基于網(wǎng)站影響力的網(wǎng)頁排序算法分析

摘要：傳統(tǒng)的網(wǎng)頁排序算法有多種，比如PageRank算法、HITS算法等，這些算法雖然在評價網(wǎng)頁權(quán)威性方面體現(xiàn)出一定的優(yōu)勢，但也存在不足，要么對網(wǎng)頁更新率的利用不夠充分，要么對用戶對網(wǎng)頁的回復(fù)、轉(zhuǎn)載等客觀因素有所忽略。因此本文就提出一種以網(wǎng)站影響力與用戶滿意度為基礎(chǔ)的網(wǎng)而排序算法。

關(guān)鍵詞：網(wǎng)站影響力；網(wǎng)頁排序算法

中圖分類號：TP393.092 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9599 （2012） 23-0000-02

1 網(wǎng)頁排序要素分析

具體而言，影響網(wǎng)頁排序的要素包括以下幾個：首先，網(wǎng)頁與源網(wǎng)站互相影響的關(guān)系。其次，網(wǎng)頁在源網(wǎng)站的重要程度；通常網(wǎng)站開發(fā)人員在安排網(wǎng)頁與首層的距離層次以及站內(nèi)鏈接數(shù)量時，會充分考慮網(wǎng)頁的重要程度，首頁中比較醒目的位置通常鏈接的都是重要的網(wǎng)頁，對于一個網(wǎng)頁而言，指向的鏈接越多，證明其重要程度就越高。第三，用戶對網(wǎng)頁的反應(yīng)程度，通常用戶認(rèn)可某個網(wǎng)頁，會在瀏覽后轉(zhuǎn)載、回復(fù)或者收藏，這些行為所反應(yīng)的是一個網(wǎng)頁的影響力。第四，網(wǎng)站的權(quán)威性，網(wǎng)站內(nèi)相關(guān)網(wǎng)頁的影響、其它網(wǎng)站的鏈接數(shù)量等均可以反映出一個網(wǎng)站的權(quán)威性。第五，網(wǎng)頁的更新率，通常網(wǎng)頁的更新時間與用戶對網(wǎng)頁反應(yīng)有著直接的關(guān)系。第六，查詢條件與網(wǎng)頁的相關(guān)性，因?yàn)橛脩粼谒阉骶W(wǎng)頁時就是希望找到與自己需求相關(guān)程度更大、更具權(quán)威性的網(wǎng)頁，所以在網(wǎng)頁排序算法中不能忽略查詢條件以及網(wǎng)頁的相關(guān)度等要素。通過上述分析，提出網(wǎng)頁排序算法——WFPR，其表達(dá)式如下：

2 網(wǎng)頁排序算法流程

根據(jù)上式1所示，WFPR的算法流程如下：

首先人為認(rèn)定n個權(quán)威網(wǎng)站為根集S；然后把集合S中的每一個網(wǎng)站U指向的網(wǎng)站或網(wǎng)頁所在的網(wǎng)站加入集合，形成一個更大的集合T；在計(jì)算排序得分時要充分考慮到網(wǎng)頁的更新率的影響；接下來計(jì)算查詢條件與網(wǎng)頁的相關(guān)程度，可以利用查詢條件出現(xiàn)在標(biāo)題與摘要中的具體意義來計(jì)算；如果網(wǎng)頁的相關(guān)度值相等或者差別不大，則要進(jìn)一步判斷其相似度，如果得出轉(zhuǎn)載的結(jié)果，則要計(jì)算原創(chuàng)度，參照發(fā)布時間與更新率即可，最終確定出源網(wǎng)站及轉(zhuǎn)載次數(shù)；下一步對網(wǎng)頁的認(rèn)可度進(jìn)行計(jì)算，具體參照回復(fù)總數(shù)以及站外其它網(wǎng)頁的引用總數(shù)等值；然后對網(wǎng)頁的推薦度進(jìn)行計(jì)算，具體參照網(wǎng)頁對其源網(wǎng)站的貢獻(xiàn)大小及網(wǎng)站對網(wǎng)頁的重視程度等值；最后在計(jì)算出上述各步驟的信息后，即可將網(wǎng)頁的排名得分綜合計(jì)算出來，根據(jù)用戶對網(wǎng)站的反映，對集合T進(jìn)行信息反饋。

3 網(wǎng)頁排序算法分析

3.1 更新率。對于一個網(wǎng)頁而言，發(fā)布時間越長，其被用戶轉(zhuǎn)載、回復(fù)、被其它網(wǎng)站引用的幾率就越大，這對一個新開發(fā)的網(wǎng)頁而言，存在不公平性；而且基于用戶的角度而言，如果網(wǎng)頁的相關(guān)度差別不大，則更新速度快、權(quán)威性高的網(wǎng)頁更具吸引力。為了防止由于舊網(wǎng)頁得分過高對網(wǎng)頁的排名產(chǎn)生影響，所以要把網(wǎng)頁的更新率作為網(wǎng)頁得分的影響因素之一。如果網(wǎng)頁u的發(fā)布時間為t0，t1、t2，…tm為最近m次的更新時間，t為當(dāng)前時間，則計(jì)算出網(wǎng)頁的更新間隔時間與平均更新間隔時間，即可求出網(wǎng)頁u下一次的預(yù)更新時間，即為平均更新時間間隔與最近m次的更新時間之和；如果網(wǎng)頁自發(fā)布時日起從未更新，則網(wǎng)頁u下次預(yù)更新時間為網(wǎng)頁u的發(fā)布時間；如果下次預(yù)更新時間為當(dāng)前時間的若干天這后，則tn>t，反之tn≤t；由此可知，網(wǎng)頁u的更新率可表達(dá)如下：

（2）

上式中：λ為時間衰退因子，由網(wǎng)頁u所屬類別的衰退時間來決定，其中衰退時間是指網(wǎng)頁從發(fā)布到無人關(guān)注，整個過程所經(jīng)歷的時間。

3.2 相關(guān)度?；谟脩舻慕嵌榷?，標(biāo)題與摘要對查詢文檔的貢獻(xiàn)程度存在差異，通常用戶會先搜索標(biāo)題中是否包含查詢條件q，如果包含則會進(jìn)一步瀏覽網(wǎng)頁，如果沒有則會進(jìn)一步查看摘要，如果二者均沒有出現(xiàn)用戶所需的查詢條件，則證明網(wǎng)頁與其相關(guān)度不大，所以要將位置權(quán)重因素Pos（i）引入其中，具體如下： （3）

式中i=1表示標(biāo)題中包含查詢條件；i=2表示摘要出現(xiàn)查詢條件。假設(shè)查詢條件q包含n個關(guān)鍵詞keyn，如果在i位置的關(guān)鍵詞keyn中包含t個關(guān)鍵詞相鄰組成一個新的關(guān)鍵詞keyj’，是keyj’=keyjkeyj+1…keym，則其權(quán)重因子Wij=t/n。由此可見，如果查詢條件完全匹配，則權(quán)重因素為1，如果在i處位置有x個新詞keyx’，詞頻依次為tfix，則詞keyj’在i處的詞頻率表達(dá)如下：

（4）

為防止個別關(guān)鍵詞頻率過高對查詢條件與文檔的相關(guān)度產(chǎn)生影響，則要設(shè)置i位置處關(guān)鍵詞的權(quán)值：

（5）

3.3 用戶認(rèn)可度。（1）轉(zhuǎn)載次數(shù)。如果網(wǎng)頁被轉(zhuǎn)載，則直接計(jì)算其轉(zhuǎn)載次數(shù)即可。而要判斷網(wǎng)頁是否源網(wǎng)頁，則可以根據(jù)網(wǎng)頁的發(fā)布時間來確定，判定網(wǎng)頁是否源網(wǎng)頁的條件就包括網(wǎng)頁的發(fā)布時間與更新時間，具體原創(chuàng)度定義如下式： （6）

式中t為當(dāng)前時間， 為網(wǎng)頁發(fā)布時間， 為網(wǎng)頁u更新率； 、 為系數(shù)，二者之和等于1，通過上式進(jìn)行計(jì)算，結(jié)果值最大的即為源網(wǎng)頁。

（2）其它權(quán)威網(wǎng)站的引用。如果某個網(wǎng)頁被權(quán)威的網(wǎng)站引用，則證明該網(wǎng)頁的重要程度較高，相應(yīng)的可以用網(wǎng)頁u被引用的總數(shù)來判斷其它網(wǎng)站對其的認(rèn)可程度。相應(yīng)的即可得出用戶對某網(wǎng)頁u的認(rèn)可度，表達(dá)如下：

上式中，H（u）表示對網(wǎng)頁u的認(rèn)可度；α、β、γ表示系數(shù)，且三者之和等于1，本文取α為0.4，β為0.2，γ為0.4，Trans（u）表示網(wǎng)頁轉(zhuǎn)載次數(shù)；Ans（u）表示網(wǎng)頁回復(fù)次數(shù)；Rel（u）表示網(wǎng)頁引用次數(shù)，如果網(wǎng)頁存在被轉(zhuǎn)載、回復(fù)、引用的情況，則將具體次數(shù)相加即可得出對應(yīng)值。

3.4 網(wǎng)站權(quán)威值。網(wǎng)站的權(quán)威性包括其它權(quán)威網(wǎng)站的評價與站內(nèi)網(wǎng)頁的貢獻(xiàn)兩個部分，網(wǎng)頁被權(quán)威網(wǎng)站引用的次數(shù)越多，證明其認(rèn)可度越高，反之如果該網(wǎng)站引用的權(quán)威網(wǎng)頁越多，證明其權(quán)威性越高，因此可以將權(quán)威值做如下定義：

（8）

式中： 為所有引用網(wǎng)站U的網(wǎng)站集合，|F（U）|為所有引用網(wǎng)站的總數(shù)。網(wǎng)頁的認(rèn)可度越高，證明網(wǎng)站的質(zhì)量越高，網(wǎng)頁對源網(wǎng)站的貢獻(xiàn)率就越高，網(wǎng)站與網(wǎng)頁的關(guān)系是相輔相成的，因此網(wǎng)頁對網(wǎng)站的貢獻(xiàn)率可做如下定義：

（9）

由此可得網(wǎng)站U的權(quán)威排名計(jì)算如下式：

3.5 網(wǎng)頁權(quán)威值。通常網(wǎng)站主頁中所鏈接的網(wǎng)頁都是比較重要的、吸引用戶瀏覽的內(nèi)容，所以在對網(wǎng)頁進(jìn)行權(quán)威性評價時，可以考慮其鏈接是否出現(xiàn)在首頁上、與首頁的距離以及站內(nèi)指向該網(wǎng)頁的鏈接數(shù)量等。那么設(shè)網(wǎng)頁u與網(wǎng)站首面的距離為c，源網(wǎng)站U內(nèi)指向網(wǎng)頁u的鏈接數(shù)量為I（u），則網(wǎng)站U對網(wǎng)頁u的評價Eva（u）可表達(dá)如下： （11）

用戶對某個網(wǎng)頁的認(rèn)可度H（u）值越高，其對源網(wǎng)站的貢獻(xiàn)就越大，所以貢獻(xiàn)值可做如下定義： （12）

所以網(wǎng)站U對站內(nèi)網(wǎng)頁u的推薦度可表達(dá)如下式：

（13）

式中a、b為和等于1的系數(shù)。

經(jīng)過相關(guān)實(shí)驗(yàn)可知，該算法比目前的代表性算法在性能上有較大提高，在專業(yè)搜索方面效果更好。

參考文獻(xiàn)：

[1]搜狐IT.絕大多數(shù)搜索引擎用戶其實(shí)只看第一頁搜索結(jié)果[EB/OL].[2011-10-20].http：//www.techw-eb.com.cn/news/2006-05-19/57577.shtml.

[2]網(wǎng)頁偉杰，戴汝為，崔霞.一種基于信息檢索技術(shù)的網(wǎng)絡(luò)新聞影響力分析方法[J].軟件學(xué)報，2009，20（9）.