第2讲.网络链接分析理论幻灯片.ppt

Link: 6,990,000项链接到 检索时间：2013-10-28 Link: 50,900项链接到 检索时间：2013-10-28 由此可见，使用Google的“link”指令检索链接总数时，语句“link :” 、“link :”、“link :”返回结果并不相同。因此，可以推断Google的“link”指令区分关键词“”、“”和“”。 5.2出链数 出链数是指一个网页的出链总数量，类似于文献计量中的“引文数”。出链数反映了网页指向能力的大小，是一个纯粹的数量型概念，出链数越大，则该网页的指向能力越强。 它可用于计算网络使用因子（WUF）、自动识别网络信息资源、反应网络信息资源开放程度、测定核心网络信息资源等。 5.3网络影响因子 网络影响因子（Web Impact Factor，WIF）是由Ingwerson在1998年提出的、利用网站获得的链接数计量网站影响力的计量指标。 网络影响因子的理论基础是链接与引文的相似性，它是文献计量学中的期刊影响因子（Journal Impact Factor，JIF）在网络上的应用。 Ingwerson将网络影响因子定义为：指定时间内，指向某一国家或网站的外部入链（external inlinks）和内部入链（internal inlinks）网页数的逻辑和与该国家或网站内部的网页数的比值。 5.3 网络影响因子 最初，Ingwerson提出的网络影响因子算法是： WIF= 自网络影响因子被提出后，因其分母难以准确统计，又因语言、地域差异导致国家或网站网页数的客观差异，有些学者提出了网络影响因子的修正式，如2002年Thelwall将WIF算法修正为： WIF= S指网络空间，U指大学网站。 5.3网络影响因子 2006年，Noruzi和Alireza将WIF算法归纳为： WIF= WIF测度了网站吸引链接的能力，是计量网站影响力的重要指标，可应用于评价网站和网页资源、网站建设和管理、评价电子核心期刊等方面。 5.4网络使用因子 网络使用因子（Web Use Factor，WUF）反映某一国家或网站的网页指向其他网页能力的分布情况，可以用来测度某一国家或网站的链接分布特征。 某一国家或网站的出链数除以网页数、科研人员数或科研生产率便得到了网页平均出链数、科研人员平均出链数或科研生产率的平均出链数，即WUF。 但如果一个国家的科研生产率数据很难获得，并且有理由相信该国的大学在研究能力上相似，或者因为商业搜索引擎和专业网络爬行工具覆盖范围的问题导致难以计算一个网站的网页数，则科研人员数就成为WUF的分母；但若科研人员数无法获得，仍然要用网页数做分母。 5.4网络使用因子 可以用某一国家或网站的出链数作为分子，分别用该国家或网站的网页数、科研人员数和科研生产率作为分母，得出WUF的不同算法，即： WUF= 或，WUF= 或，WUF= 从概念和算法上看，WUF反映了网站出链的平均量，得出网站链接的分布情况，通常WUF越高，说明网站利用其他网络信息资源的程度越高，相应的，该网站的信息数量和质量也就可能越高。 5.5链接倾向 链接倾向（Link Propensity，LP）由Smith和Thelwall于2002年首次提出。Smith和Thelwall在研究澳大利亚大学网站的网络影响因子时，将其定义为某大学网站的外部入链数与来源网站和目标网站的全职科研人员乘积的比值。 LP有效地排除了来源网站和目标网站规模大小的影响，适于揭示两个网站之间相互链接的意愿，因而从理论上讲更具科学性。 Smith和Thelwall的研究发现，从英国和澳大利亚到新西兰网站的链接倾向是这三个国家中最低的，因此新西兰在这三个国家的网络中处于相对孤立的地位。 5.5链接倾向 可以用某大学网站的外部入链数作为分子，分别用该国家或网站的网页数、全职科研人员数和科研生产率作为分母，得出LP的不同算法，即： LP= 或，LP= 或，LP= 5.5链接倾向 链接倾向可被看作WIF的一个特例，反映了网站被链接的情况，同时可以反映一个国家在网络利用中的地位，因而可以作为评价网站影响力的重要指标。 LP有效地排除了来源网站和目标网站规模大小的影响，适于揭示两个网站之间相互链接的意愿，因而从理论上将讲更具有科学性。 如2003年Thelwall等人使用“链接倾向”研究西欧与语言相关的网络链接模式，发现英语是西欧网络上居主导地位的语言。并且，与使用不同语言的国家相比，使用相同语言的国家之间更倾向于互链。 例如 网络影响因子的计算实例 假如用户搜集到国内10所高校的网站，如表1-2所示，并打算了解这些网站在