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)

      近來發(fā)現(xiàn)百度等搜索引擎的算法更新越來越頻繁，導致很多網(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單吧？因為核心算法早已成熟，下面就跟大家來談談HITS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面之間的引用鏈來挖掘隱含在其中的有用信息（如權(quán)威性），具有計算簡單且效率高的特點。HITS算法通過兩個評價權(quán)值——內(nèi)容權(quán)威度（Authority）和鏈接權(quán)威度（Hub）來對網(wǎng)頁質(zhì)量進行評估。

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

       HITS算法認為對每一個網(wǎng)頁應該將其內(nèi)容權(quán)威度和鏈接權(quán)威度分開來考慮，在對網(wǎng)頁內(nèi)容權(quán)威度做出評價的基礎(chǔ)上再對頁面的鏈接權(quán)威度進行評價，然后給出該頁面的綜合評價。然而HITS算法也有其明顯的不足。

       首先，它完全將網(wǎng)頁的內(nèi)容或文本排除在外，僅考慮網(wǎng)頁之間的鏈接結(jié)構(gòu)來分析頁面的權(quán)威性，這與現(xiàn)實網(wǎng)絡中的權(quán)威頁面相比，其不科學性顯而易見。因為權(quán)威頁面必須針對某一主題或關(guān)鍵詞而言。某一頁面對一確定主題的具有較大權(quán)威性的頁面并不意味在其他與其無關(guān)的主題方面同樣具有權(quán)威性。

       其次一個頁面對另一頁面的引用有多種情況，其中包含了一頁面對另一頁面的認可，但除此之外也有其他目的鏈接，如為了導航或為了付費廣告。而HITS算法在實現(xiàn)過程中均沒有考慮以上情況．導致了結(jié)果與目標的差距。就HITS算法的思想與實現(xiàn)過程做了細致的研究與概括。

       針對前面第一種不足，就有相關(guān)的學者提出了一種利用超鏈文字及其周圍文字與關(guān)鍵字相匹配而計算超鏈權(quán)值的方法，并引入系數(shù)對周圍文字和超鏈文字進行權(quán)值的相對控制，很好地將頁面文本信息引入到HITS算法，提高了算法的可靠性，并在現(xiàn)實中取得了很好的效果。

       對HITS算法的第二個不足，即非正常目的的引用。在HITS算法看來，也誤認為是正常引用，導致實際結(jié)果與目標的出入。后來，經(jīng)過不斷的改進。HITS算法又引入了時間參數(shù)，即利用對一鏈接引用的時問長短來評價是否為正常引用。因為非正常鏈接其引用時問肯定不會很長（如交換鏈接、廣告鏈接），相反，如果一頁面對另一頁面的鏈接時間較長，則必然反映此頁面就是用戶的尋找頁面。即目標頁面或至少是正常引用。

       如果設(shè)定時間閥值，則可以將非正常引用的鏈接在HITS算法的實現(xiàn)過程中篩選出來。如設(shè)定訪問時間少于１分鐘者為非正常引用。另外可構(gòu)造時間訪問函數(shù)，控制權(quán)威頁面的相對大小。如隨訪問時間的增大而其權(quán)威性也逐漸非線性增大．這樣可為HITS算法的權(quán)威頁面提供更合理、更科學的解釋。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間又要更新其算法的原因了。