基于鏈接文本相似度和時(shí)間因子的Web挖掘算法.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展以及數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)等數(shù)據(jù)倉(cāng)儲(chǔ)技術(shù)在管理信息系統(tǒng)中日益廣泛的應(yīng)用,互聯(lián)網(wǎng)上的信息迅猛增長(zhǎng),海量數(shù)據(jù)不斷產(chǎn)生,Web逐漸成為人們進(jìn)行資源獲取與信息共享的重要平臺(tái)。與此同時(shí),互聯(lián)網(wǎng)的架構(gòu)也變得異乎尋常的龐大,其數(shù)據(jù)是實(shí)時(shí)變化的、分布式的、異構(gòu)的,且缺乏有效統(tǒng)一的管理機(jī)制。因此,面對(duì)Internet上的海量數(shù)據(jù),如何快速而準(zhǔn)確地找到所需信息成為亟待解決的問題,同時(shí)也給搜索引擎帶來了前所未有的機(jī)遇與挑戰(zhàn)。Web數(shù)據(jù)挖

2、掘正是在這樣的需求背景下應(yīng)運(yùn)而生的,并逐漸地在實(shí)際中得到廣泛的應(yīng)用。
　　本文首先對(duì)Web數(shù)據(jù)挖掘的相關(guān)背景及理論進(jìn)行研究,分析并總結(jié)了其研究現(xiàn)狀。在此基礎(chǔ)上,重點(diǎn)分析了PageRank算法的基本原理、計(jì)算方法和優(yōu)缺點(diǎn)。然后,針對(duì)其存在的主題漂移現(xiàn)象與偏重舊網(wǎng)頁(yè)問題,結(jié)合向量空間模型,融入鏈接文本和其指向的網(wǎng)頁(yè)內(nèi)容之間的相似度信息,并將網(wǎng)頁(yè)產(chǎn)生時(shí)間作為反饋因子,提出一種改進(jìn)的基于鏈接文本相似和時(shí)間因子的ATSTF-PageRank