基于網(wǎng)頁相似度的搜索算法改進的研究.pdf

1、伴隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡中信息量成指數(shù)級增長，這使得用戶獲取信息變得越來越困難。為了更好的使用互聯(lián)網(wǎng)中龐雜的資源，搜索引擎應運而生。通常評價搜索引擎的性能的標準是用戶對搜索引擎的滿意度，而用戶在使用搜索引擎進行搜索時，一般會優(yōu)先選擇點擊排名相對靠前的網(wǎng)頁，因此對搜索引擎的搜索結(jié)果進行合理的排序會顯著提升搜索引擎的用戶體驗。知名度最高的搜索引擎 Google采用的網(wǎng)頁排序算法就是 PageRank排序算法。PageRank算法被廣泛應

2、用于度量網(wǎng)頁的重要性，但是傳統(tǒng)的PageRank算法在計算過程中忽略了一些可能影響網(wǎng)頁重要性的因素，存在多方面的缺陷。
　　本文基于網(wǎng)頁相似度對Google著名的PageRank排序算法進行研究。首先闡述了PageRank算法的研究背景及意義和國內(nèi)外關(guān)于PageRank算法的研究現(xiàn)狀，介紹了搜索引擎的發(fā)展歷程、工作方式和評判標準，然后著重剖析了PageRank算法原理。經(jīng)典的網(wǎng)頁鏈接分析算法PageRank將“每個鏈接代表一個網(wǎng)頁

3、作者對所指向的網(wǎng)頁的一種獨立的認可”作為算法的前提條件，但是傳統(tǒng)的PageRank算法的一個主要缺陷是將一個網(wǎng)頁的PageRank權(quán)值平均分配到所有的出鏈上，并沒有考慮網(wǎng)頁的語義信息，以此為基礎(chǔ)提出一種基于網(wǎng)頁相似度的PageRank算法的改進，通過相似度權(quán)重來分配PageRank權(quán)值，相似度包含網(wǎng)頁文本相似度和網(wǎng)頁鏈接相似度兩部分。由于考慮了出鏈頁面與目標網(wǎng)頁的相似度信息，從而不僅提高網(wǎng)頁的重要性的準確度，而且使得檢索到的排序結(jié)果的查