基于Web信息檢索的鏈接分析算法研究.pdf

1、隨著Internet技術的高速發(fā)展，Web已經成為人們獲取信息的一個重要途徑，由于Web上的文本信息日益增長，如何有效地檢索用戶所需的信息成為一個非常重要的研究課題。 萬維網WWW(World Wide Web)是一個巨大的、分布全球的信息服務中心，正在以飛快的速度擴展，這就對傳統(tǒng)信息檢索技術提出了新的挑戰(zhàn)。在傳統(tǒng)的信息檢索技術沒有突破性進展的現(xiàn)狀下，從Web數(shù)據本身的特點出發(fā)，充分挖掘Web上最充分的超鏈接資源，通過超鏈接進行

2、搜索，建立有效的Web信息檢索模型，從而找到我們需要的信息。因此，鏈接結構分析在萬維網的很多研究領域起著越來越重要的作用，本文將介紹鏈接結構在Web信息檢索中的應用。 近年來，許多研究者發(fā)現(xiàn)WWW上超鏈結構是個非常豐富和重要的資源，如果能夠充分利用這些資源，可以極大地提高檢索結果的質量?；谶@種超鏈分析的思想，Sergey Brin和Lawrence Page在1998年提出了PageRank算法[1]。Google搜索引擎依靠

3、其PageRank機制及收斂算法一直處于該領域的領先地位，而收斂算法的好壞尤其重要，它直接決定了得到最終PageRank向量的時空開銷，一個好的收斂算法可以使系統(tǒng)在較小的時空開銷下得到最終向量值，從而使整個搜索的效率得到提高。在當前情況下，PageRank要處理的矩陣是巨大的，傳統(tǒng)的矩陣理論不能直接應用于PageRank的計算。因此迫切需要利用。PageRank轉移矩陣特征值的特殊性，找到一個比較高效的計算方法來提高迭代法的收斂速度，以

4、便提高PageRank的計算效率。 本文首先分析由鏈接生成的萬維網網絡結構在Web信息檢索中的應用，然后介紹PageRank算法的模型建立與主要性質。隨后，在現(xiàn)有PageRank計算方法的研究基礎上，作者推導加速PageRank計算的一般性公式，設計產生滿足Web鏈接結構特征的高維隨機矩陣的算法。本文提出General Extrapolation和Acceleration Extrapolation兩種有效的加速收斂方法。最后，