基于網(wǎng)頁(yè)相似度的搜索算法改進(jìn)的研究.pdf

1、伴隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)中信息量成指數(shù)級(jí)增長(zhǎng)，這使得用戶(hù)獲取信息變得越來(lái)越困難。為了更好的使用互聯(lián)網(wǎng)中龐雜的資源，搜索引擎應(yīng)運(yùn)而生。通常評(píng)價(jià)搜索引擎的性能的標(biāo)準(zhǔn)是用戶(hù)對(duì)搜索引擎的滿(mǎn)意度，而用戶(hù)在使用搜索引擎進(jìn)行搜索時(shí)，一般會(huì)優(yōu)先選擇點(diǎn)擊排名相對(duì)靠前的網(wǎng)頁(yè)，因此對(duì)搜索引擎的搜索結(jié)果進(jìn)行合理的排序會(huì)顯著提升搜索引擎的用戶(hù)體驗(yàn)。知名度最高的搜索引擎 Google采用的網(wǎng)頁(yè)排序算法就是 PageRank排序算法。PageRank算法被廣泛應(yīng)

2、用于度量網(wǎng)頁(yè)的重要性，但是傳統(tǒng)的PageRank算法在計(jì)算過(guò)程中忽略了一些可能影響網(wǎng)頁(yè)重要性的因素，存在多方面的缺陷。
　　本文基于網(wǎng)頁(yè)相似度對(duì)Google著名的PageRank排序算法進(jìn)行研究。首先闡述了PageRank算法的研究背景及意義和國(guó)內(nèi)外關(guān)于PageRank算法的研究現(xiàn)狀，介紹了搜索引擎的發(fā)展歷程、工作方式和評(píng)判標(biāo)準(zhǔn)，然后著重剖析了PageRank算法原理。經(jīng)典的網(wǎng)頁(yè)鏈接分析算法PageRank將“每個(gè)鏈接代表一個(gè)網(wǎng)頁(yè)

3、作者對(duì)所指向的網(wǎng)頁(yè)的一種獨(dú)立的認(rèn)可”作為算法的前提條件，但是傳統(tǒng)的PageRank算法的一個(gè)主要缺陷是將一個(gè)網(wǎng)頁(yè)的PageRank權(quán)值平均分配到所有的出鏈上，并沒(méi)有考慮網(wǎng)頁(yè)的語(yǔ)義信息，以此為基礎(chǔ)提出一種基于網(wǎng)頁(yè)相似度的PageRank算法的改進(jìn)，通過(guò)相似度權(quán)重來(lái)分配PageRank權(quán)值，相似度包含網(wǎng)頁(yè)文本相似度和網(wǎng)頁(yè)鏈接相似度兩部分。由于考慮了出鏈頁(yè)面與目標(biāo)網(wǎng)頁(yè)的相似度信息，從而不僅提高網(wǎng)頁(yè)的重要性的準(zhǔn)確度，而且使得檢索到的排序結(jié)果的查