基于超链接引导和链接图分析的主题搜索引擎.pdfVIP

第21卷 第2期 计 算 机 技 术 与发 展 VOl_21 No．2 2011年2月 COMPUTERTECHNOLOGYANDDEVELOPMENT Feb． 2011 基于超链接引导和链接 图分析的主题搜索引擎 唐 苏 ，刘 循 (四川大学 计算机学院，四川 成都 610064) 摘 要：主题搜索引擎是专为查询某一学科或主题信息而出现的查询工具。针对 目前各种主题搜索引擎在主题搜索上的 优缺点，提出将基于文字内容启发的超链接引导技术与基于 Web链接 图的PageRank算法相结合的IPageRank—IND算 法 ，以提高链接相关度判断的准确性和主题资源搜索 的覆盖率 ，并将网页按照VSM算法进行内容相关度判断和自动分类 ， 从而提高检索效率。最后构建一个搜索引擎进行实验，通过比较该算法与其他几种算法的实验结果 ，能够看到 IPageRank — IND算法的优势是明显 的。 关键词 ：主题搜索引擎 ；超链接分析 ；PageRank算法 ；自动分类 中图分类号 ：TP31 文献标识码 ：A 文章编号：1673-629X(2011)02-0155-04 Research on Focused SearchEngineBasedon Hyperlink Induced andW eb Structure TANG Su，LIU Xun (Dept．ofComputerScience，SichuanUniversity，Chengdu610064，China) Abstract：Focusedsearchengineisatooldesignedtoqueryinformationonaparticulra subjectorthemeinfomr ation．Consideringthead— vantagesnaddisadvantagesofcurrentfocusedserachenginetechnologies，putforwradthe1PageRank — IND algorihtm htatcombining thehyperlink inducedtechnologybasedontext-inspiredwiht htePageRankalgorihtm basedonwebstructureanalysistoimprovehte accuracyofrelativityjudgmentandhtecoverageoffocusedresourcesreserach，nadclassifyinghtewebpagebysub—topicinordertore— trieveefficiently．Then，experimentwithasearchenginetobuild，tocompraehtealgorihtm withseveralohteralgorithms，seehteadvan tageofIPageRnak—IND algorithm isobvious． Keywords：focusedcrawler；hypedinknaalysis；PageRank algorithm ；automaticclassification l 概 述 利用了Web网页文本 内容、URL字符串、锚文字等文 主题搜索引擎…的 目的是查找信息，对某一特定 字内容信息来判断相关性。然而，这些方法忽略 了链 主题或主题进行查询的工具。鉴于主题搜索引擎的搜 接结构信息，使得预测值 的准确性较差。以PageR— 索只局限于一个特定的主题或专 门领域。在搜索过程 ank 和 HITS 为代表的 Web链接结构为基础