基于Web信息檢索的鏈接分析算法研究.pdf

1、隨著Internet技術(shù)的高速發(fā)展，Web已經(jīng)成為人們獲取信息的一個(gè)重要途徑，由于Web上的文本信息日益增長(zhǎng)，如何有效地檢索用戶所需的信息成為一個(gè)非常重要的研究課題。 萬維網(wǎng)WWW(World Wide Web)是一個(gè)巨大的、分布全球的信息服務(wù)中心，正在以飛快的速度擴(kuò)展，這就對(duì)傳統(tǒng)信息檢索技術(shù)提出了新的挑戰(zhàn)。在傳統(tǒng)的信息檢索技術(shù)沒有突破性進(jìn)展的現(xiàn)狀下，從Web數(shù)據(jù)本身的特點(diǎn)出發(fā)，充分挖掘Web上最充分的超鏈接資源，通過超鏈接進(jìn)行

2、搜索，建立有效的Web信息檢索模型，從而找到我們需要的信息。因此，鏈接結(jié)構(gòu)分析在萬維網(wǎng)的很多研究領(lǐng)域起著越來越重要的作用，本文將介紹鏈接結(jié)構(gòu)在Web信息檢索中的應(yīng)用。 近年來，許多研究者發(fā)現(xiàn)WWW上超鏈結(jié)構(gòu)是個(gè)非常豐富和重要的資源，如果能夠充分利用這些資源，可以極大地提高檢索結(jié)果的質(zhì)量?；谶@種超鏈分析的思想，Sergey Brin和Lawrence Page在1998年提出了PageRank算法[1]。Google搜索引擎依靠

3、其PageRank機(jī)制及收斂算法一直處于該領(lǐng)域的領(lǐng)先地位，而收斂算法的好壞尤其重要，它直接決定了得到最終PageRank向量的時(shí)空開銷，一個(gè)好的收斂算法可以使系統(tǒng)在較小的時(shí)空開銷下得到最終向量值，從而使整個(gè)搜索的效率得到提高。在當(dāng)前情況下，PageRank要處理的矩陣是巨大的，傳統(tǒng)的矩陣?yán)碚摬荒苤苯討?yīng)用于PageRank的計(jì)算。因此迫切需要利用。PageRank轉(zhuǎn)移矩陣特征值的特殊性，找到一個(gè)比較高效的計(jì)算方法來提高迭代法的收斂速度，以

4、便提高PageRank的計(jì)算效率。 本文首先分析由鏈接生成的萬維網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)在Web信息檢索中的應(yīng)用，然后介紹PageRank算法的模型建立與主要性質(zhì)。隨后，在現(xiàn)有PageRank計(jì)算方法的研究基礎(chǔ)上，作者推導(dǎo)加速PageRank計(jì)算的一般性公式，設(shè)計(jì)產(chǎn)生滿足Web鏈接結(jié)構(gòu)特征的高維隨機(jī)矩陣的算法。本文提出General Extrapolation和Acceleration Extrapolation兩種有效的加速收斂方法。最后，