基于網(wǎng)頁內(nèi)容和時間反饋的網(wǎng)頁排序PageRank算法研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,搜索引擎已經(jīng)成為人們獲得信息的最重要手段之一。面對眾多雜亂無章的網(wǎng)頁信息,以及人們使用搜索引擎瀏覽網(wǎng)頁信息時大多數(shù)只關(guān)注前幾條或前幾頁的習慣,能否快速、準確地從互聯(lián)網(wǎng)上獲取有價值的信息是評價一個搜索引擎好壞的關(guān)鍵,返回的網(wǎng)頁結(jié)果的先后順序也變得尤為重要。因此,搜索引擎的網(wǎng)頁排序算法也就成為人們關(guān)注的關(guān)鍵問題之一。
　　本文主要是以搜索引擎的網(wǎng)頁排序算法作為研究背景,分析現(xiàn)有的主流排序算法,深入剖析經(jīng)典的基于鏈

2、接分析的HITS算法、PageRank算法以及現(xiàn)有的PageRank改進算法,分析它們存在的優(yōu)缺點;以此為基礎(chǔ)提出了一種基于網(wǎng)頁內(nèi)容和時間反饋的PageRank改進算法。改進算法主要是針對詞語出現(xiàn)在文檔的不同位置和詞語的不同長度,所能代表的語義特征不同,在傳統(tǒng)TF-IDF公式基礎(chǔ)上,增加詞項位置權(quán)值和詞項長度權(quán)值,進而綜合求得詞項權(quán)值,再利用向量空間模型計算有鏈接關(guān)系的網(wǎng)頁間關(guān)于相同特征項的相似度權(quán)值;修正網(wǎng)頁的時間反饋因子,考慮用網(wǎng)頁

3、被搜索引擎搜索到的周期數(shù)目來表示網(wǎng)頁存在的時間長短。通過對這兩方面的改進來度量網(wǎng)頁間PageRank值傳遞的大小。
　　為了驗證改進算法的性能和效率,本文搭建了一個實驗驗證系統(tǒng)并在該系統(tǒng)上進行了一系列的實驗,得到的實驗結(jié)果表明本文提出的PageRank改進算法有其有效性。通過對詞項權(quán)值的統(tǒng)計和對比,驗證了采用本文提出的改進后的TF-IDF計算公式得到的詞項權(quán)值比公式改進前更能準確的表達詞語在網(wǎng)頁文檔中的重要程度;通過對實際檢索結(jié)果