搜索引擎网页排序算法研究综述.pdf

《搜索引擎网页排序算法研究综述.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、搜索引擎网页排序算法研究综述任丽芸杨武唐蓉(重庆理工大学计算机科学与工程学院，重庆400054)序技术在搜索引擎中有着重要作用，它在一定程度上决定了搜索引擎的质量。概括了网页排序算法，各种排序方法的基本思想和技术特点，并比较了它们的优缺点，最后指出了网页排序技术的发展思擎；网页排序；HITS；PageRank1．引言随着互联网的飞速发展，网络信息资源越来越庞大，通常情况下，用户检索到的结果成于上万，所以对于任何一个搜索引擎而言，都必须配备理想的网页排序算法。可以说，排序算法的好坏在一定程度上决定了搜索引擎的质

2、量。目前比较著名的排序算法有词频位置加权排序算法、DirectHit算法、PageRank算法、HITS算法、以及竞价排名服务等t”。2．词频位置加权排序算法词频位置加权排序算法【2】通过查询关键词在页面中出现的次数和位置对网页进行排序，它是计算机情报检索中最基础的排序算法。该算法的基本思想是，对于用户输入的搜索关键词，如果它在某网页中出现的频率越高，位置越重要，就认为该网页和关键词的相关性越好，也越能满足用户的需求。举例来说，假设搜索关键词出现在“网页主体body”中的权重为l，出现在“标题title”中的

3、权重为2，出现在“链接URL”中的权重为0．5，那么根据关键词出现的次数和位置加权求和，再进行一些辅助计算，就可以得到网页和关键词的相关性权值，这样就可以根据这一权值对查询结果进行排序。显然，这种排序算法具有思想简单、容易实现的优点，但它的缺点也很明显13】。因为关键词出现的频率和位置并不是决定排序结果的唯一要素，而该算法过于依赖关键词的重要性，无法保证页面的质量。例如，一些网页设计者在页面中罗列大量与主题无关但常被搜索的词，或者在页面的隐藏域中添加与该页面毫无关联的词，那么在搜索这些关键词时，不相关的页面也

4、会出现在搜索结果中。所以，随着搜索引擎技术的发展，词频位置加权排序算法只能辅助排序，而不能在搜索引擎网页排序中单独使用。3．DirectHit算法DirectHit算法【4】是一种注重信息质量和用户反馈的排序方法。它的基本思想是，搜索引擎将查询的结果返回给用户，并跟踪用户在检索结果中的点击。如果返回结果中排名靠前的网页被用户点击后，浏览时间较短，用户又重新返回点击其它的检索结果，那么可以认为其相关度较差，系统将降低该网页的相关性。另一方面，如果网页被用户点击打开进行浏览，并且浏览的时间较长，那么该网页的受欢迎

5、程度就高，相应地，系统将增加该网页的相关度。可以看出，在这种方法中，相关度在不停地变化，对于同一个词在不同的时间进行检索，得到结果集合的排序也有可能不同，它是一种动态排序。该算法的优点是能够节省大量时间，因为用户阅读的是从搜索结果中筛选出来的更加符合要求的结果。同时，这种算法直接融入用户的反馈信息，能够保证页面的质量。然而，统计表明，DirectHit算法只适合于检索关键词较少的情况，因为它实际上并没有进行排序，而是一种筛选和抽取，在检索数据库很大、关键词很多的时候，返回的搜索结果成千上万，用户不可能一一审阅

6、。因此，这种方式也不能作为主要的排序算法来使用，而是一种很好的辅助排序算法，目前在许多搜索引擎当中仍然在使用。4．PageRank算法斯坦福大学的LarryPage和SergeyBrin于1996年提出了PageRank算法[51。该算法基于这样的假设：如果一个页面被许多其它页面引用，则这个页面很可能是重要页面；一个页面尽管没有被多次引用，但被一个重要页面引用，那么这个页面很可能也是重要页面；一个页面的重要性被均分并传递到它所引用的页面。设网页A有T"T2，⋯，Tn共11个网页指向它，参数d是O到l之间的控制

7、系数，通常为0．85，C(T；)是一个从网页A链出的网页数，则A的PageRank值由以下公式旧计算：PR(A)=(1曲+dx(PR(Tt))／C(T1)+⋯+PR(¨／C(¨通常情况下，设定每个网页的初始PageRank值为l，通过公式递归计算各网页的PageRank值，直到趋于稳定。由于其用户行为模型假设用户访问网络是完全随机的，因此一个页面的PageRank值被平分给了其所指向的页面，由公式中的项PR(T；)／C(T；)可以明显地看出其平分策略。举个例子，设有四个网页A、B、C、D，它们之间互相链作者简

8、介：任丽芸，女，山西沁源人，硕士研究生，研究方向：信息检索。一38—接，如图l所示。图l网页链接圈那么，如果网页A的Page,Rank为6，它有两个出链接，则每个链接的PR为3，即分配给网页B和D各3个单位PR：同理，网页C的PageRank为12，它有三个出链接，则每个链接的PR为4。则统计后，网页B、D的PageRank值(为方便计算，取d为1)见表l：表1网页PageRank值的基本计算PRf