链接分析 推荐.pptVIP

链接分析 链接分析的由来 链接分析源于对Web结构中超链接的多维分析。1996年，Larson在《万维网的文献计量：网络空间结构初探》一文中明确将信息技术从文献计量学移植到网络中。 1997年，Almind和Ingwersen提出了“网络计量学”一词，旨在定量分析网络现象。此后，链接分析便成了网络计量学的主要研究内容之一。 本文以中国学术期刊全文数据库来源期刊和硕博士论文为数据源，检索条件是标题或关键词中包括“链接分析”，时间范围是2004-2013十年时间。经题名、关键词、摘要分析后，最终确定805篇为本文的研究对象，其中硕博士论文405篇，期刊类文章400篇，下面表一说明国内链接分析领域发文较多的期刊： 说明 由图可得，图书情报类期刊11种，所占比例约为71%，而根据2014年最新公布的《中国核心期刊要目总览》，11种期刊中包含8种核心期刊，所占比例为73%。 所以说研究成果的学科主要集中在图书情报学，而核心期刊也很偏爱这样的研究，而在国外，研究成果往往集中在计算机科学期刊上。 分析这十年间每一年链接分析的发文量，可得到表2，发文量在2010年和2012年出现了高峰，而之后发文数量处于下降的趋势，而在国外2007年就出现了迅速下降的趋势。 运用bicomb书目共现分析分析系统，得出这十年频次较高的关键词 说明 由上可得近五年人们的研究热点;相关算法（如：pagerank、HITS）工具（主题爬虫、网络爬虫） 自2004年开始，相关学者就开始对链接分析的研究重点进行了综述，张洋等将链接分析的研究重点归纳为四个方面，链接的数量分布规律研究、网站同引分析研究、网络影响因子研究、链接分析工具研究。 之后，李江、殷之明通过对十余年内链接分析相关文献的归纳，将国内外链接分析研究分为网络计量学、检索优化、Web结构挖掘、Web结构图建模四大研究视角、并认为链接类型识别、专业链接分析工具的开发、社会网络分析法的应用将是未来链接分析研究的三大发展方向。 2013年，吴夙慧等人基于近五年的链接分析研究文献的基础上，分析研究热点包括：基于网页内容的链接分析、基于用户行为的链接分析、基于Web网页群的链接分析、Web链接分析和复杂网络四个方面。 对于链接分析的发展趋势，学者们也开始纷纷研究。孙建军、李江以社会网络分析、网络空间分析和虚拟民族志为例探讨了社会科学方法在链接分析中的应用。Web作为一种新媒介，Web中的链接是一种十分重要的传播方式，一些传播学的学者对Web链接的传播方式进行了研究，关注链接在Web信息传播中的工作和工作机制。还有许多法学学者对Web链接信息传播中的知识产权问题进行了深入的研究。 国内研究状况 方法二：胜者表 对每个词项t，预先计算出其倒排记录表中权重最高的r篇文档，如果采用tfidf机制，即tf最高的r篇 注意：r 比如在索引建立时就已经设定，词项t所对应的tf值最高的r篇文档构成t的胜者表。 因此，有可能 r K 检索时，仅计算某些词项的胜者表中包含的文档集合的并集 从这个集合中选出top K作为最终的top K 方法三：静态质量得分排序方式 我们希望排名靠前的文档不仅相关度高(relevant) ，而且权威度也大(authoritative) 相关度常常采用余弦相似度得分来衡量 而权威度往往是一个与查询无关的量，是文档本身的属性 权威度示例：Wikipedia在所有网站上的重要性、某些权威报纸上的文章、论文的引用量、被 diggs, Y!buzzes或del.icio.us等网站的标注量、Pagerank 权威度计算 为每篇文档赋予一个与查询无关的(query-independent ) [0,1]之间的值，记为g(d) 同前面一样，最终文档排名基于g(d)和相关度的线性组合。 net-score(q,d) = g(d) + cosine(q,d) 可以采用等权重，也可以采用不同权重 可以采用任何形式的函数，而不只是线性函数 查找net-score最高的top K文档 首先按照g(d)从高到低将倒排记录表进行排序 该排序对所有倒排记录表都是一致的(只与文档本身有关) 因此，可以并行遍历不同查询词项的倒排记录表来 进行倒排记录表的合并 及余弦相似度的计算 利用g(d)排序的优点 这种排序下，高分文档更可能在倒排记录表遍历的前期出现 在时间受限的应用当中 (比如，任意搜索需要在50ms内返回结果), 上述方式可以提前结束倒排记录表的遍历 将g(d)排序和胜者表相结合 对每个词项维护一张胜者表，该表中放置了r篇g(d) + tf-idftd 值最高的文档 检索时只对胜者表进行处理 高端表(High list)和低端表(Low list) 对每