链接分析算法之：HITS算法.pdfVIP

本文由西安白癜风专科医院 / 收集，转载请注明出处 链接分析算法之：HITS 算法 HITS （HITS(Hyperlink - Induced Topic Search) ） 算法是由康 奈尔大学( Cornell University ) 的Jon Kleinberg 博士于1997 年 首先提出的,为IBM 公司阿尔马登研究中心( IBM Almaden Research Center) 的名为“CLEVER”的研究项目中的一部分。 HITS 算法是链接分析中非常基础且重要的算法，目前已被Teoma 有哪些信誉好的足球投注网站引擎 （）作为链接分析算法在实际中使用。 1. Hub 页面与Authority 页面 Hub 页面（枢纽页面）和Authority 页面（权威页面）是HITS 算 法最基本的两个定义。 所谓“Authority”页面，是指与某个领域或者某个话题相关的高 质量网页，比如有哪些信誉好的足球投注网站引擎领域，Google 和百度首页即该领域的高质量网 页，比如视频领域，优酷和土豆首页即该领域的高质量网页。 所谓“Hub”页面，指的是包含了很多指向高质量“Authority”页 面链接的网页，比如hao123 首页可以认为是一个典型的高质量“Hub” 网页。 图1给出了一个“Hub”页面实例，这个网页是斯坦福大学计算语 言学研究组维护的页面，这个网页收集了与统计自然语言处理相关的高 本文由西安白癜风专科医院 / 收集，转载请注明出处 本文由西安白癜风专科医院 / 收集，转载请注明出处 质量资源，包括一些著名的开源软件包及语料库等，并通过链接的方式 指向这些资源页面。这个页面可以认为是“自然语言处理”这个领域的 “Hub”页面，相应的，被这个页面指向的资源页面，大部分是高质量 的“Authority”页面。 图1 自然语言处理领域的Hub 页面 HITS 算法的目的即是通过一定的技术手段，在海量网页中找到与 用户查询主题相关的高质量“Authority”页面和“Hub”页面，尤其是 “Authority”页面，因为这些页面代表了能够满足用户查询的高质量 内容，有哪些信誉好的足球投注网站引擎以此作为有哪些信誉好的足球投注网站结果返回给用户。 2. 算法基本思想：相互增强关系 基本假设1：一个好的“Authority”页面会被很多好的 “Hub” 页面指向； 本文由西安白癜风专科医院 / 收集，转载请注明出处 本文由西安白癜风专科医院 / 收集，转载请注明出处 基本假设2：一个好的“Hub”页面会指向很多好的 “Authority” 页面； 3. HITS 算法 具体算法：可利用上面提到的两个基本假设，以及相互增强关系等原则进行多轮迭代计算， 每轮迭代计算更新每个页面的两个权值，直到权值稳定不再发生明显的变化为止。 步骤： 3.1 根集合 1)将查询q 提交给基于关键字查询的检索系统，从返回结果页面的集合总取前n 个网页 (如n=200)，作为根集合(root set)，记为root，则root 满足： 1).root 中的网页数量较少 2).root 中的网页是与查询q 相关的网页 3).root 中的网页包含较多的权威(Authority)网页 这个集合是个有向图结构： 3.2 扩展集合base 在根集root 的基础上，HITS 算法对网页集合进行扩充（参考图2 ）集合base，扩充 原则是：凡是与根集内网页有直接链接指向关系的网页都被扩充到集合base，无论是有链 接指向根集内页面也好，或者是根集页面有链接指向的页面也好，都被扩充进入扩展网页集 合base。HITS 算法在这个扩充网页集合内寻找好的“Hub”页面与好的“Authority”页面。 本文由西安白癜风专科医院 / 收集，转载请注明出处 本文由西安白癜风专科医院 / 收集，转载请注明出处 图2 根集与扩展集 3.3 计算扩展集base 中所有页面的Hub 值（枢纽度）和Authority 值（权威度） 1) 、 分别表示网页结点 i 的Authority 值(权威度)和Hub 值(中心度)。