web链接结构挖掘中hits算支的研究与改进-research and improvement of hits computing branch in web link structure mining.docxVIP

第一章绪论1.1研究背景万维网是Internet信息的主要载体之一,每个人都能分享到其丰富的资源。这几年来,这个网络正在以惊人的速度成长,每天都有数以百万计的网页加入其中。它己成为一个涉及教育、政府、电子商务、新闻、广告、消费信息、金融管理和许多其它信息服务的、巨大、分布广泛、全球性的信息服务中心。随着Internet的普及和发展,Web已经成为信息制造、发布、加工和处理的主要平台,其涵盖的信息面之广阔、信息量之丰富都使得它毫无疑问地成为当前最大的信息资源库。但互联网中特有的许多问题，诸如超大规模的非结构化文档数量、良荞不齐的网页质量,包含在文档中的大量多媒体信息[1],甚至相当含糊或不规范的用户查询表示等,必然给检索数据带来很大的困难,著名搜索引擎营销公司iProsPect的调查报告表明[2]:2006年62%的用户只点击搜索结果页第一页的结果,而高达90%的用户只点击搜索结果页的前三页里的结果。在2002年,这两个数字分别为48%、81%；与此同时,还有许多其它问题伴随而来：诸如信息真假难以辨识；信息安全难以保证；信息形式不一致；难以统一处理等。因此,如何快速、准确地获取有价值的网络信息,如何将已有的历史数据理解消化并用于预测未来的行为(例如电子商务中的卖方通过记录下来的消费者数据进行统计和预测,借以调整策略),如何从海量数据中发现知识,概括起来也就是如何快速准确的获取所需信息