SHITS：一种基于超链接和内容的网页排序方法.pdfVIP

维普资讯 第 27卷 第 12期 小 型 微 型 计 算 机 系 统 Vo1．27 No．12 2006年 12月 M INI—M ICR0 SYSTEMS Dec．2006 SHITS：一种基于超链接和内容的网页排序方法 肖明军 ，黄刘生 ，罗永龙 (中国科学技术大学 电子工程与信息科学系，安徽 合肥 230027) 。(中国科学技术大学 计算机科学技术系，安徽 合肥 230027) E—mail：xiaomj@mail．ustc．edu．cn 摘 要 ：回顾 了当前应用于大型搜索引擎的主流 网页排序算法，对其 中的ARC算法进行 了改进 ，提 出了一种基于超链接和内 容的网页排序算法一SHITS(Similarity—HITS)算法．SHITS算法用超链接所引用的网页内容代 替 了ARC算法中所采用的锚文 本来评估该超链接 的重要性 ，这一改进不仅提高 了算法区分链接重要性的能力，也避免 了对大量锚文本 内容的分析．通过与相 关算法的对比实验 ，结果表 明：SHITS算法 网页排序的准确率明显优于其它算法．此外，SHITS算法也具有较好的效率 ：计算代 价 小于ARC算 法，与HITS算法相 当． 关 键 词 ：网页排序 ；搜索引擎；Web信息检索 中图分类号：TP391 文献标识码 ：A 文 章 编 号：1000～1220(2006)12—2177—06 SHITS：aW ebPageRankingM ethodBasedon Hyperlinkand Content XIAO Ming—Jun ，HUANGLiu—Sheng。。LUOYong—Long。 (DepartmentofElectronicEngineeringandInformationScience，Universityof ScienceandTechnologyofChina，Hefei230027。China) (Departmentof ComputerScienceandTechnology，Universityof ScienceandTechnologyof China，Hefei230027，China) Abstract：Thispaperreviewscurrentlydominatingwebpagerankingalgorithms，improvestheARC algorithm amongofthem ， andproposesanalgorithm basedonhyperlinkandcontent-- theSHITS(Similarity—HITS)algorithm．TheSHITSalgorithm uses thewebpagecontentcitedbythehyperlinkstoevaluatetheimportanceofthesehyperlinksinsteadoftheanchorsusedinthe ARC algorithm ，whichnotonlyimprovestheabilitytodifferentiatetheimportanceofhyperlinks。butalsoneedn’tanalyzethe contentofthenumerousanchorsinwebpages．From thecontrastiveexperimentwiththerelatedalgorithms，theresultshows thattheprecisionoftheSHITSalgorithm wassignificantlyhigherthanthatofotheralgorithms．Furthermore，theSHITSal— gorithm hasagoodperformance：itscomputationalcostissmallerthanthatoftheARC algorithm ，andapproximatetothatof theHITSalgorithm． Keywords：webpageranking；searchengine；webinformationretrieval 1 引 言 链接 (与内容)的网页排序算法，并对与本文相关的HITS、