主頁 > 知識庫 > 頁面解析之搜索引擎技術的排序算法

頁面解析之搜索引擎技術的排序算法

熱門標簽:福州云外呼系統(tǒng)怎么樣 鞏義防封卡外呼系統(tǒng)怎么安裝 天津網(wǎng)絡回撥外呼系統(tǒng) 如何辦理座機400電話 百度地圖標注店名審核時間 外呼系統(tǒng)呼叫比例 高德地圖標注審核多久 云呼叫系統(tǒng)怎么外呼打電話的 鞏義電話外呼系統(tǒng)價格是多少

  聯(lián)網(wǎng)的出現(xiàn)和迅速發(fā)展使信息檢索的環(huán)境發(fā)生了重大變化。而基于互聯(lián)網(wǎng)的搜索引擎的排名算法直接關系到用戶在新的環(huán)境里進行信息檢索的使用體驗。 現(xiàn)有的搜索引擎排名算法,以基于網(wǎng)頁鏈接結構的算法為主,主要的兩種代表性算法是PageRank算法和Hits算法,基于這兩種算法國內(nèi)外許多學者和研究機構又進行了新的探索和改進。

  在此基礎上形成了一些適于搜索引擎使用的成熟的綜合排名模型。 本文研究分析了國內(nèi)外搜索引擎的發(fā)展背景,以及對搜索引擎排序有重要影響的SEO技術。在此基礎之上,對PageRank算法和Hits算法進行了深入的分析。

  一、PageRank

  算法PageRank是最著名的搜索引擎Google采用的一種算法策略,是根據(jù)每個網(wǎng)頁的超級鏈接信息計算網(wǎng)頁的一個權值,用于優(yōu)化搜索引擎的結果。由拉里-佩奇提出。

  簡單說,PageRank算法是計算每個網(wǎng)頁的綜合得分數(shù),即假如網(wǎng)頁A鏈向網(wǎng)頁B,則網(wǎng)頁B加一分,當然。不同鏈接網(wǎng)頁對于指向網(wǎng)頁的加分也是不同的,一個頁面的得分情況是由所有鏈向它的頁面的重要性經(jīng)過遞歸算法得到的。

  PageRank算法的基本原理推導如下:

  PR(A) = (1-d) + d*(PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))

  其中,PR(A)是指網(wǎng)頁A的PR值。

  T1,T2,...,Tn是指網(wǎng)頁A的鏈入網(wǎng)頁。

  PR(Ti)是指網(wǎng)頁Ti的PR值(i=1,2,...,n)。

  C(Ti)是指網(wǎng)頁Ti的鏈出數(shù)量(i=1,2,...,n)。

  D是一個衰減因子,0d1,通常取值為0.85。

  從以上公式可以看出,影響一個網(wǎng)頁PR值的主要因素如下:

  (1)該網(wǎng)頁的鏈入數(shù)量。

 ?。?)該網(wǎng)頁的鏈入網(wǎng)頁本身的PR值。

  (3)該網(wǎng)頁的鏈入網(wǎng)頁本身的鏈出數(shù)量。

  根據(jù)上面分析可以判斷:一個網(wǎng)頁的鏈入數(shù)量越多,這些鏈入網(wǎng)頁的PR值越高,這些網(wǎng)頁本身的鏈出數(shù)量越少,則該網(wǎng)頁的PR值越高。

  Google給每一個網(wǎng)頁都賦予一個初始PR值(1-d),然后利用PageRank算法收斂計算其PR值。

  網(wǎng)頁的鏈入鏈出關系,時刻都在變化,那么PR值也需要更新,可以用定時任務重復計算后更新,使得網(wǎng)頁的最終PR值達到一個均衡穩(wěn)定的狀態(tài)。

  Google的查詢過程是這樣的:首先根據(jù)用戶輸入的查詢關鍵詞對于網(wǎng)頁數(shù)據(jù)庫中的網(wǎng)頁盡情匹配,然后對于匹配到的網(wǎng)頁按照其本身的PR排序呈獻給用戶。

  此外,一個網(wǎng)頁在檢索結果列表中的位置還與其它很多因素相關,比如檢索詞在網(wǎng)頁中的位置等。

  PageRank的缺陷在于不考慮鏈接的價值,這對通用搜索引擎比較合適,但對主題相關的垂直搜索引擎而言并不是很好的策略。

  二、HITS

  PageRank算法對于向外鏈接的權值貢獻是平均的,即不考慮不同鏈接的重要性,但是頁面鏈接中可能某些是廣告、導航或者注釋鏈接,平均權值顯然不太符合實際情況。

  HITS(Hyperlink Induced Topic Search)算法則是一種經(jīng)典的專題信息提取策略,能夠提高垂直查準率。

  1、原理

  HITS算法由Jon Kleinberg提出,其對每個網(wǎng)頁都要計算兩個值:權威值(authority)和中心值(hub)。

  (1)權威網(wǎng)頁

  一個網(wǎng)頁被多次引用,則它可能是很重要的;一個網(wǎng)頁雖然沒有被多次引用,但是被重要的網(wǎng)頁引用,則它也可能是很重要的;一個網(wǎng)頁的重要性被平均的傳遞到它所引用的網(wǎng)頁。這種網(wǎng)頁稱為權威網(wǎng)頁。

 ?。?)Hub網(wǎng)頁

  提供指向權威網(wǎng)頁的鏈接集合的Web網(wǎng)頁,它本身可能并不重要,或者說沒幾個網(wǎng)頁指向它,但是它提供了指向就某個主題而言最為重要的站點的鏈接集合,這種網(wǎng)頁叫做Hub網(wǎng)頁。

 ?。?)算法思想

  首先利用通用搜索引擎得到一個網(wǎng)頁的初始子集I,當然I內(nèi)的頁面都是和用戶查詢條件有很大相關性。然后把I指向的網(wǎng)頁和指向I的網(wǎng)頁都包含進來,形成基礎集合E,E中的每個頁面都具有一個authority權值和hub權值,分別記作a和h,a值表示網(wǎng)頁與查詢條件相關度的高低,h反應的是該頁面鏈出相關度頁面的多少情況。a=(a1, a2, ..., an)和h=(h1, h2, ..., hn)代表E中所有網(wǎng)頁的authority和hub向量,初始時把所有的ai和hi都設置為1,然后利用下面的公式進行計算:

  其中,B(i)和F(i)分別表示指向該網(wǎng)頁的網(wǎng)頁鏈接集合和該網(wǎng)頁指向的網(wǎng)頁鏈接集合。用n*n的矩陣A表示集合E的網(wǎng)頁節(jié)點間的連接,如果節(jié)點i和節(jié)點j之間有連接,則A[i,j]=1,則A[i,j]=0,因此,上面公式可以表示為:

  迭代計算a和h,直至收斂。這樣我們集中求ATA和AAT。最后按照authority和hub值排序,將a和h值大于閾值M的網(wǎng)頁挑出來。

  若一個網(wǎng)頁由很多好的hub指向,則其權威值會相應增加;若一個網(wǎng)頁指向很多好的權威頁,則hub值也會相應增加。HITS算法最后輸出的一組具有較大hub值的網(wǎng)頁和具有較大權威值的網(wǎng)頁。

  2、缺陷

  HITS算法在提高一定的垂直查準率的同時,也存在如下缺陷:

 ?。?)HITS算法忽略了網(wǎng)頁內(nèi)容的差異,對于每個鏈接網(wǎng)頁賦予相同的加權常數(shù),因為每個網(wǎng)頁中都會有一些廣告鏈接等非相關的鏈接網(wǎng)頁,這些非相關網(wǎng)頁和相關網(wǎng)頁同等對待,會容易產(chǎn)生主題漂移現(xiàn)象。

 ?。?)在開始形成url集合E中,對于初始集合I中網(wǎng)頁的一些非相關鏈接也加入到E中,增加了無謂的下載量,也致使后邊更多的無關網(wǎng)頁參與到了計算,對準確率存在一定的影響。

  3、改進

  改進方向如下:

 ?。?)主題漂移

  (2)下載過濾

  以上就是搜索引擎技術之排序算法,雖然公式有點麻煩,但是仔細鉆研的話就會有所收獲的哦,謝謝大家閱讀。

標簽:撫州 雙鴨山 西安 榆林 徐州 煙臺 興安盟 南寧

巨人網(wǎng)絡通訊聲明:本文標題《頁面解析之搜索引擎技術的排序算法》,本文關鍵詞  頁面,解析,之,搜索引擎,;如發(fā)現(xiàn)本文內(nèi)容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《頁面解析之搜索引擎技術的排序算法》相關的同類信息!
  • 本頁收集關于頁面解析之搜索引擎技術的排序算法的相關信息資訊供網(wǎng)民參考!
  • 推薦文章