Web社區(qū)發(fā)現(xiàn)算法的研究與實(shí)現(xiàn).pdf

1、Web是一個(gè)巨大的信息資源庫，不僅內(nèi)容復(fù)雜、而且形式各異。根據(jù)查詢主題需要發(fā)現(xiàn)Web上聚集在一起的社區(qū)，使用戶很快地從互聯(lián)網(wǎng)上提取所需知識(shí)，即為Web社區(qū)挖掘。Web社區(qū)發(fā)現(xiàn)使有效地利用鏈接信息加強(qiáng)現(xiàn)有搜索和瀏覽技術(shù)成為可能，且對(duì)搜索引擎、門戶網(wǎng)站內(nèi)容自動(dòng)分類以及互聯(lián)網(wǎng)內(nèi)容的過濾都有重要的意義。
　　本文從不同的Web社區(qū)定義出發(fā)，在深入研究Web社區(qū)挖掘技術(shù)的基礎(chǔ)上，提出一種新的Web社區(qū)挖掘算法。
　　首先，研究最大流算

2、法的種子網(wǎng)頁發(fā)現(xiàn)過程。針對(duì)此過程受用戶主觀因素影響的問題，結(jié)合 HITS算法能夠發(fā)現(xiàn)權(quán)威的主題網(wǎng)頁的優(yōu)點(diǎn)，提出PHITS算法。該算法先完善鄰域圖的構(gòu)造過程，再采用新的公式計(jì)算頁面的權(quán)威值和中心值，最后將權(quán)威值較大的網(wǎng)頁提取出來。
　　其次，將PHITS算法發(fā)現(xiàn)的網(wǎng)頁作為最大流算法的種子網(wǎng)頁，再采取相對(duì)嚴(yán)格的、同時(shí)對(duì)社區(qū)內(nèi)外的點(diǎn)進(jìn)行約束的Web社區(qū)定義，運(yùn)用最大流算法發(fā)現(xiàn)Web社區(qū)，整個(gè)社區(qū)發(fā)現(xiàn)過程稱之為PH-MaxFlow算法。<