Web结构挖掘中PageRank算法的研究.pdfVIP

Web结构挖掘中PageRank算法研究 中文摘要 中文摘要 随着Web信息技术的迅速发展，用户可以越来越方便快捷地获取各种信息， 与此同时，也面临着如何从大量Web信息中获取相关及有用信息的问题。虽然， 通过使用传统的Google、百度、Lycos等搜索引擎，可以大大减少无用信息的干扰， 但这些搜索引擎搜索的结果有时也不完整或不相关，很难完全满足用户的需求。值 得庆幸的是，目前web数据挖掘技术的研究可以解决Web上过量信息的问题，通 过对Web超链接结构进行分析，为用户提供更精确、更相关的数据。因此，Web 数据挖掘逐渐成为目前研究的热点。 身的文本内容，对权威性高的网页随着时间的推移赋予很高的权威值，而对新出现 的网页赋予很低的权威值，从而导致搜索结果出现“主题漂移和种种缺陷的问题， 提出了一种基于超链接网页之间的距离及强化学习相结合的改进算法 ——DisR2mk。该算法把网页之间的距离作为“处罚因子，以此来计算Web网页 的等级值及对其进行排序。我们首先通过网页爬行算法抓取基于某个主题的、一定 数量的网页作为训练样本，然后存储到数据库中，最后分别调用PageRank算法和 改进算法DisRank进行实验，以证明改进算法的有效性。这其中包括改进算法 DisRank抓取相关网页的吞吐量、不同∥取值算法的吞吐量、精确度、收敛速度及 算法时间复杂度等。 最后，对本文所做的工作进行了总结，并提出改进算法需要进一步完善的地方 及下一步研究工作的方向。 关键字： 数据挖掘；Wreb数据挖掘；超链接分析；PageRank；HITS 作 者：范聪贤 指导老,Jill：徐汀荣 Abstract infclrmation userscall withthe ofweb technology,the Along rapiddevelopment Atthesametime alsofacethe kindsofinformation they problem all conveniently acquire from itcan andusefulinformationweb．Althoughgreatly w11ichishowto relevant get as useoftraditionalsearch such informationthe engine obsk忙leofuseless reduce by resultsaresometimes andirrelevance· search imperfect Google，baidu，Lycos，ere，the the ofexcessive Webdata callsolve