基于網(wǎng)絡(luò)用戶反饋特征聚合的網(wǎng)頁排序算法研究.pdf

1、互聯(lián)網(wǎng)的急速發(fā)展，使得各種網(wǎng)絡(luò)信息急劇膨脹，用戶要想在海量信息中獲取想要的信息，需要借助于搜索引擎這個必不可少的信息檢索工具。網(wǎng)頁排序算法作為搜索引擎的關(guān)鍵技術(shù)之一，它性能的好壞直接影響到用戶的信息檢索效率。最成功的網(wǎng)頁排序算法是著名的搜索引擎Google所采用的基于網(wǎng)頁鏈接結(jié)構(gòu)分析的排序算法：PageRank算法。PageRank算法的應(yīng)用范圍極為廣泛，除了應(yīng)用于個性化網(wǎng)頁推薦之外，還被應(yīng)用于諸如醫(yī)學(xué)、經(jīng)濟學(xué)等領(lǐng)域。經(jīng)過幾十年的發(fā)展，

2、傳統(tǒng)的PageRank算法在主題漂移、權(quán)值平均分配領(lǐng)域存在的問題都已經(jīng)得到了很好地解決，但在忽略用戶興趣、網(wǎng)頁欺詐方面仍存在不足。為了更好的匹配用戶的查詢需求，本文提出了兩種改進(jìn)的網(wǎng)頁排序算法。
　　搜索引擎通?；谀愁惥W(wǎng)頁排序算法返回用戶的查詢結(jié)果，但返回的網(wǎng)頁排序結(jié)果往往并不能真正反映用戶的查詢需求。為了改善傳統(tǒng)網(wǎng)頁排序算法在網(wǎng)頁排序過程中存在的忽略用戶興趣和網(wǎng)頁欺詐的不足，提出了一種基于用戶反饋特征聚合的網(wǎng)頁排序算法-AFP

3、R（Aggregation of Users Feedback Characteristics PageRank）。通過Web用戶反饋特征聚合，將不同的用戶反饋特征聚合為一類，綜合考慮用戶對網(wǎng)頁的有效點擊率、最近訪問頻率、網(wǎng)頁有效瀏覽時間等因素，將聚合結(jié)果以網(wǎng)頁用戶興趣反饋特征依賴因子形式融入到傳統(tǒng)網(wǎng)頁排序算法中。仿真實驗結(jié)果表明，AFPR算法能夠在一定程度上改善排序質(zhì)量，提升用戶信息檢索的滿意度。
　　在AFPR算法的基礎(chǔ)上，通

4、過進(jìn)一步分析用戶的瀏覽行為特征并針對AFPR算法存在部分主題漂移的問題，提出了一種基于用戶反饋特征聚合和內(nèi)容相關(guān)度的網(wǎng)頁排序算法-UCPR（Aggregation of Users Feedback Characteristics and Contents PageRank）。一方面通過對用戶行為進(jìn)一步分析，實現(xiàn)對用戶反饋特征的聚合（網(wǎng)頁的轉(zhuǎn)載、分享、有效點擊次數(shù)等）獲得用戶特征聚合因子，同時通過線性擬合預(yù)測用戶興趣發(fā)展趨勢，以緩解忽略