基于层次分类的页面排序算法.pdf

文档介绍：年 月
第 33 卷 第 11 期 计 算 机 工 程 ch has good scalable performance.
【Key words】Search engine; Hierarchic classification; PageRank
早期的搜索引擎主要是基于关键字匹配的，用 Salton 提 (1)超文本链接包含了用户对一个网站的判断信息；
出的向量空间模型（VSM）进行特征表示，用 TF-IDF 算法 (2)对一个网站而言，如果其他网站链接到该网站的入链
进行特征项赋权，用倒排文档进行索引，用余弦夹角进行距 数越多，该网站越重要。
离度量。在以 TF-IDF 算法为基础的搜索引擎中，只有包含在 以上假设在各种基于链接分析的算法中都以某种方式体
网页中的关键字作为索引项被应用到向量空间模型中。然而 现出来。以下简要分析 PageRank 和 TSPR 算法的特点及不足。
网页之间存在独有的超链结构，链接的文本通常在内容上就 PageRank 算法
代表了被链接文档的一部分信息。网页这种独特的超链结构 PageRank 算法的基本思想：如果网页 T 存在一个指向网
在传统的向量空间模型中没有被利用，导致传统的向量空间 页 A 的链接，则表明 T 的所有者认为 A 比较重要，从而把 T
模型查询的精确度不高。 的一部分重要性得分赋予 A。这个重要性得分的值则由 T 的
Sergey Brin和Lawrence Page在 1998 年提出了PageRank[2] PageRank 值 PR(T)和 T 的出链数 C(T) 决定。对页面 A，其
算法开启了链接分析研究的热潮。基于链接分析的算法，提