基于Web結(jié)構(gòu)挖掘的HITS算法研究.pdf

1、Web是一個(gè)巨大的信息資源庫(kù)，提供了各種各樣的信息服務(wù)，隨著網(wǎng)絡(luò)的普及和網(wǎng)絡(luò)信息的迅速膨脹，如何有效的從Web獲取所需信息變得越來(lái)越重要。為此，在Web這樣的分布式環(huán)境中找到有價(jià)值的信息，并從中提取出知識(shí)內(nèi)容已經(jīng)成為目前信息檢索、數(shù)據(jù)挖掘重要課題。用戶不僅希望得到相關(guān)的Web頁(yè)面外，還希望檢索到的頁(yè)面具有高質(zhì)量，即找到權(quán)威頁(yè)面。網(wǎng)頁(yè)的超鏈接是一個(gè)重要的研究途徑，鏈接分析(即Web結(jié)構(gòu)挖掘)的引入和應(yīng)用為這些問(wèn)題的解決提供了一條嶄新的思路

2、。HITS算法是一種應(yīng)用廣泛的基于鏈接分析的權(quán)威資源提取算法，具有很高的研究?jī)r(jià)值。 Web結(jié)構(gòu)挖掘是Web數(shù)據(jù)挖掘的一個(gè)重要方面，其重點(diǎn)在于信息檢索，鏈接分析技術(shù)在該領(lǐng)域中扮演著極為重要的角色，并已經(jīng)被成功的用于分析Web超鏈接數(shù)據(jù)來(lái)確定權(quán)威的信息源。在各種對(duì)網(wǎng)頁(yè)進(jìn)行鏈接分析并提取分組的算法中，HITS(Hyper-text-Induced-Topic Search)算法是應(yīng)用的最為廣泛的。 本文對(duì)HITS算法進(jìn)行了重點(diǎn)

3、研究，對(duì)傳統(tǒng)HITS算法易產(chǎn)生主題偏移問(wèn)題這一缺點(diǎn)進(jìn)行了分析，并針對(duì)這一問(wèn)題，使用根集向量投影法和基本集縮減法對(duì)HITS算法加以改進(jìn)，接著在根集向量投影法的基礎(chǔ)上，提出了根集向量加權(quán)投影法和基本集向量加權(quán)投影法，以更好的實(shí)現(xiàn)權(quán)威網(wǎng)頁(yè)搜索。對(duì)改進(jìn)后的HITS算法與傳統(tǒng)HITS算法進(jìn)行了實(shí)驗(yàn)比較，發(fā)現(xiàn)根集向量投影法可以有效的避免主題偏移現(xiàn)象，基本集縮減法可以大大的縮減算法運(yùn)算量，而根集向量加權(quán)投影法和基本集向量加權(quán)投影法則可以在使權(quán)威網(wǎng)頁(yè)的