搜索引擎技术中的Web结构挖掘算法分析.pdfVIP

摘 要 今天。人们寻找ww上的信息，通常是在搜索引擎上执行一个查向。很多搜索引擎是 基于关键词的，对于每一个查询．他们返回一个与查询内容匹配的Web网页的序列。对于 宽话题查询，这样的搜索引擎经常得到一个较大的含有相关文档的集合，这些文档大多数 是用户不感兴趣的。 然而，Web网页中存在着丰富的超链接结构信息，利用web结构挖掘技术可以从中挖 掘出有用的信息来改进搜索引擎技术。在这种情况下，JonKleinberg(在他的论文 Authoritativesourcesinahyperlinkedenvironment)介绍了F面的概念： 1 权威网页——包含与查询匹配的网页中摄具有权威性的网页的一个小的子集，该 集合中的网页有很多入链接。 2．枢纽页——那些指向多个权威网页的网页。 Kleinberg认为权威和枢纽之间有一种相互加强的关系：好的枢纽指向好的权威，而好的 权威被好的枢纽所指向，并根据这种关系设计了一种计算权威网页的Hub／authority算法。 8rin和Page也提出了Page—rank算法，并将它应用于搜索引擎geogle。 但是，上述的两种算法还存在一定的不足，文章通过对这两个算法进行分析(研究他 们的共性及不足)提出了～种更为一般的计算权威网页的算法；同时还定义了一部分概念 用于对这些算法进行评价：最后将新提出的发现权威网页的算法和Hub／authority算法在 人一E拓扑上和局域网上进行了试验并对实验结果做TLg较，得出了该算法在发现权威网页 时比Hub／authority算法好。 关键字： Web挖掘Web结构挖掘搜索引擎 权威 枢纽 ABSTRACT theW曲．one a informationon for performs Today,whensearching usually search are list asearch return，a term-based，and engine through en百ne．Many query the wide searches ofWeb whosecontentmatch topicqueries，such pages query．For are to a ofwhichirrelevantthe resultin setofretrieved often huge documents，Many useL oftheWreb is inthelink-structure informationcontained However,much pages．