搜索引擎有关排序算法研究.pdfVIP

摘 要 随着互联网的不断发展，网络已经成为了人们获取信息的重要来源。但是 网络信息的快速增加，使得人们快速准确查找信息的难度也不断增大。搜索引 擎的出现，就是为了帮助人们解决这个问题。搜索引擎是一项不断发展的技术， 包括网页抓取、分词、页面索引、数据存储、检索、结果排序等一系列的技术 环节，搜索结果排序是其中最重要的环节之一。用户最关注的就是搜索引擎返 回的搜索结果和自己的查询主题是否一致，结果页面是否能满足自己的信息需 求。因此，在海量信息中，搜索引擎能否将最相关的页面显示在搜索结果的最 前面，成为了搜索引擎目前发展最关注的问题。 本文通过了解搜索引擎发展历程，研究搜索引擎技术的整体架构，分析了 搜索引擎系统各个部分的主要功能和整个工作流程，明确了搜索引擎的评价标 准。在此基础上，着重研究了搜索引擎排序算法的有关问题。按照基于网页内 容的排序算法和基于页面链接分析的排序算法两类不同的排序算法思想，分别 分析了这两类算法的基本原理和实现方法，重点研究了PageRank算法、HITS 算法、HillTop算法这三种经典的排序算法，从算法思想、基本过程、算法的优 缺点和已有的改进方法等方面，详细对基于页面链接分析的排序算法进行了研 究。 本文针对基于页面链接分析的排序算法存在的问题，引入了用户反馈的概 念，分析了用户反馈在搜索引擎中使用的方式，并以PageRank算法为基础，提 出了改进的方法。改进的PageRank算法添加了用户点击次数反馈和点击时间反 馈的反馈权重，并结合基于网页内容的排序算法思想，加入了网页内容权重， 对PR值的计算公式进行改进。 通过设计实验对改进的算法进行验证，对比分析改进前后的排序算法结果 页面中相关页面的情况，证明了改进的PageRank算法能够较好的解决主题偏移、 网页欺骗和偏重旧网页等问题，使搜索结果中相关性较高的页面能够排在前列， 提高了搜索结果的质量。 关键词：搜索引擎，排序算法，PageRank，HITS，HillTop Abstract Withthe ofthe networkhasbecomeall developmentInteract，the important tofind sourceof becomesmoredifficultinformation information．However,it quickly and becauseofthe increaseofnetworkinformation．Thesearch accurately rapid is tosolvethis search isa technology enginedeveloped problem。砀eenginegrowing aseriesoftechnical suchasweb including aspects searchresults isoneofthe indexing,datastorage,search,resultsranking．ne ranking most user8areconcernedaboutmostistheaccordance aspects．What important betweenthesearchresultsandthethemes andwhethertheresultsare meyinquire for concernofcurrentsearch them．Therefore，themajor