發(fā)布時間：2017-08-13 10:31

  本文關(guān)鍵詞：基于源網(wǎng)頁主題相關(guān)性的錨文本相似度計(jì)算與利用

  更多相關(guān)文章： 錨文本 PageRank 主題相關(guān)性 網(wǎng)頁質(zhì)量 信息檢索

【摘要】：隨著互聯(lián)網(wǎng)時代的迅速崛起,接觸甚至依賴互聯(lián)網(wǎng)的人越來越多,搜索引擎成為人們?nèi)粘９ぷ魃钪蝎@取網(wǎng)絡(luò)信息的重要工具。對于互聯(lián)網(wǎng)上的海量信息,人們都希望能準(zhǔn)確快速地從中找到想要的相關(guān)信息。傳統(tǒng)的信息檢索方法基于關(guān)鍵詞和網(wǎng)頁內(nèi)容相似度的匹配,面對數(shù)以億計(jì)且質(zhì)量參差不齊的網(wǎng)頁,單純的以網(wǎng)頁內(nèi)容匹配程度來排序檢索結(jié)果,早已不能適應(yīng)當(dāng)今的web檢索。于是,人們研究的目光漸漸趨向網(wǎng)頁的鏈接分析,以及超鏈接上的核心——錨文本信息。通常,源網(wǎng)頁作者在引用一個目標(biāo)網(wǎng)頁的時候,會根據(jù)自己對目標(biāo)網(wǎng)頁的理解,總結(jié)出對目標(biāo)網(wǎng)頁的描述,即錨文本信息。所以,因錨文本同時具有網(wǎng)頁的兩個特性:鏈接性和文本性。源網(wǎng)頁大多數(shù)情況下由不同的作者編寫,不同的作者對同一目標(biāo)網(wǎng)頁會有不同的理解和認(rèn)識,這在一定程度上增強(qiáng)了目標(biāo)網(wǎng)頁對應(yīng)的錨文本信息的客觀性。但同時,由于不同作者的理解認(rèn)知程度不一樣,使得這些錨文本信息的質(zhì)量參差不齊。為了減少低質(zhì)量錨文本信息對目標(biāo)網(wǎng)頁檢索排名上的影響,本文研究并提出了基于源網(wǎng)頁主題相關(guān)性的錨文本相似度計(jì)算方法,并在搜索引擎框架中加以利用。主要完成了以下工作:(1)分析常用經(jīng)典鏈接分析算法極其研究現(xiàn)狀,結(jié)合錨文本信息質(zhì)量不同的特點(diǎn),選取適合的改進(jìn)方法,并提出了基于源網(wǎng)頁主題相關(guān)性質(zhì)量對來自不同源網(wǎng)頁的錨文本信息賦予不同權(quán)重的方法,降低質(zhì)量較低的錨文本信息對目標(biāo)網(wǎng)頁檢索排名的影響。(2)分析流行的錨文本信息提取方法,將基于網(wǎng)頁結(jié)構(gòu)的錨文本擴(kuò)展方法與基于鏈接結(jié)構(gòu)的錨文本聚合方法相結(jié)合,利用基于擴(kuò)展鏈接路徑的方法提取錨文本信息,同時將(1)中計(jì)算得出的源網(wǎng)頁主題相關(guān)性質(zhì)量因素融合到錨文本權(quán)重計(jì)算中。(3)利用VSM向量空間模型計(jì)算錨文本與用戶查詢的相似度,分析源網(wǎng)頁主題相關(guān)性因素對錨文本相似度計(jì)算的影響。(4)設(shè)計(jì)實(shí)現(xiàn)實(shí)驗(yàn)系統(tǒng),抓取實(shí)驗(yàn)所需數(shù)據(jù)集并進(jìn)行實(shí)驗(yàn),通過分析實(shí)驗(yàn)結(jié)果驗(yàn)證方法的有效性。實(shí)驗(yàn)表明,本文提出的基于源網(wǎng)頁主題相關(guān)性的錨文本相似度計(jì)算方法,能有效區(qū)分錨文本信息質(zhì)量高低,彌補(bǔ)了低質(zhì)量錨文本信息對目標(biāo)網(wǎng)頁在檢索過程中排名的影響,對檢索結(jié)果進(jìn)行了優(yōu)化。
【關(guān)鍵詞】：錨文本 PageRank 主題相關(guān)性 網(wǎng)頁質(zhì)量 信息檢索
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.1

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王鐘斐;;一種改進(jìn)的PageRank算法[J];計(jì)算機(jī)與數(shù)字工程;2011年06期

，

本文編號：666843