網(wǎng)站建設(shè)之搜索引擎HITS算法

發(fā)布日期：[2009/10/7] 編輯：奇億廣州網(wǎng)站建設(shè)

      近來(lái)發(fā)現(xiàn)百度等搜索引擎的算法更新越來(lái)越頻繁，導(dǎo)致很多網(wǎng)站的關(guān)鍵字排名也漂浮不定。但你知道他們?yōu)楹我绱祟l繁地更改算法呢？恐怕并不是想完善算法那么簡(jiǎn)單吧？因?yàn)楹诵乃惴ㄔ缫殉墒�，下面就跟大家�?lái)談?wù)凥ITS算法。

       HITS算法是Web結(jié)構(gòu)挖掘中最具有權(quán)威性和使用最廣泛的算法。其基本思想是利用頁(yè)面之間的引用鏈來(lái)挖掘隱含在其中的有用信息（如權(quán)威性），具有計(jì)算簡(jiǎn)單且效率高的特點(diǎn)。HITS算法通過(guò)兩個(gè)評(píng)價(jià)權(quán)值——內(nèi)容權(quán)威度（Authority）和鏈接權(quán)威度（Hub）來(lái)對(duì)網(wǎng)頁(yè)質(zhì)量進(jìn)行評(píng)估。

       內(nèi)容權(quán)威度與網(wǎng)頁(yè)自身直接提供內(nèi)容信息的質(zhì)量相關(guān)，被越多網(wǎng)頁(yè)所引用的網(wǎng)頁(yè)，其內(nèi)容權(quán)威度越高；鏈接權(quán)威度與網(wǎng)頁(yè)提供的超鏈接頁(yè)面的質(zhì)量相關(guān)，引用越多高質(zhì)量頁(yè)面的網(wǎng)頁(yè)，其鏈接權(quán)威度越高。

       HITS算法認(rèn)為對(duì)每一個(gè)網(wǎng)頁(yè)應(yīng)該將其內(nèi)容權(quán)威度和鏈接權(quán)威度分開(kāi)來(lái)考慮，在對(duì)網(wǎng)頁(yè)內(nèi)容權(quán)威度做出評(píng)價(jià)的基礎(chǔ)上再對(duì)頁(yè)面的鏈接權(quán)威度進(jìn)行評(píng)價(jià)，然后給出該頁(yè)面的綜合評(píng)價(jià)。然而HITS算法也有其明顯的不足。

       首先，它完全將網(wǎng)頁(yè)的內(nèi)容或文本排除在外，僅考慮網(wǎng)頁(yè)之間的鏈接結(jié)構(gòu)來(lái)分析頁(yè)面的權(quán)威性，這與現(xiàn)實(shí)網(wǎng)絡(luò)中的權(quán)威頁(yè)面相比，其不科學(xué)性顯而易見(jiàn)。因?yàn)闄?quán)威頁(yè)面必須針對(duì)某一主題或關(guān)鍵詞而言。某一頁(yè)面對(duì)一確定主題的具有較大權(quán)威性的頁(yè)面并不意味在其他與其無(wú)關(guān)的主題方面同樣具有權(quán)威性。

       其次一個(gè)頁(yè)面對(duì)另一頁(yè)面的引用有多種情況，其中包含了一頁(yè)面對(duì)另一頁(yè)面的認(rèn)可，但除此之外也有其他目的鏈接，如為了導(dǎo)航或?yàn)榱烁顿M(fèi)廣告。而HITS算法在實(shí)現(xiàn)過(guò)程中均沒(méi)有考慮以上情況．導(dǎo)致了結(jié)果與目標(biāo)的差距。就HITS算法的思想與實(shí)現(xiàn)過(guò)程做了細(xì)致的研究與概括。

       針對(duì)前面第一種不足，就有相關(guān)的學(xué)者提出了一種利用超鏈文字及其周?chē)淖峙c關(guān)鍵字相匹配而計(jì)算超鏈權(quán)值的方法，并引入系數(shù)對(duì)周?chē)淖趾统溛淖诌M(jìn)行權(quán)值的相對(duì)控制，很好地將頁(yè)面文本信息引入到HITS算法，提高了算法的可靠性，并在現(xiàn)實(shí)中取得了很好的效果。

       對(duì)HITS算法的第二個(gè)不足，即非正常目的的引用。在HITS算法看來(lái)，也誤認(rèn)為是正常引用，導(dǎo)致實(shí)際結(jié)果與目標(biāo)的出入。后來(lái)，經(jīng)過(guò)不斷的改進(jìn)。HITS算法又引入了時(shí)間參數(shù)，即利用對(duì)一鏈接引用的時(shí)問(wèn)長(zhǎng)短來(lái)評(píng)價(jià)是否為正常引用。因?yàn)榉钦ｆ溄悠湟脮r(shí)問(wèn)肯定不會(huì)很長(zhǎng)（如交換鏈接、廣告鏈接），相反，如果一頁(yè)面對(duì)另一頁(yè)面的鏈接時(shí)間較長(zhǎng)，則必然反映此頁(yè)面就是用戶的尋找頁(yè)面。即目標(biāo)頁(yè)面或至少是正常引用。

       如果設(shè)定時(shí)間閥值，則可以將非正常引用的鏈接在HITS算法的實(shí)現(xiàn)過(guò)程中篩選出來(lái)。如設(shè)定訪問(wèn)時(shí)間少于１分鐘者為非正常引用。另外可構(gòu)造時(shí)間訪問(wèn)函數(shù)，控制權(quán)威頁(yè)面的相對(duì)大小。如隨訪問(wèn)時(shí)間的增大而其權(quán)威性也逐漸非線性增大．這樣可為HITS算法的權(quán)威頁(yè)面提供更合理、更科學(xué)的解釋。鏈接穩(wěn)定性，在外部鏈接的建設(shè)中，占據(jù)非常重要的地位。鏈接越穩(wěn)定，對(duì)排名的幫助就越大。

       從HITS算法的這些特征，我們大概就能想到各大搜索引擎為何每隔一段時(shí)間又要更新其算法的原因了。