链接分析算法之HillTop算法

Hilltop综合考虑以上三类因素，拟合出打分函数来对“专家页面”是否与用户查询相关进行打分，选出相关性分值足够高的“专家页面”，以进行下一步骤操作，即对“目标页面”进行相关性计算。

步骤二：目标页面排序

Hilltop算法包含一个基本假设，即认为一个“目标页面”如果是满足用户查询的高质量搜索结果，其充分必要条件是该“目标页面”有高质量“专家页面”链接指向。然而，这个假设并不总是成立，比如有的“专家页面”的链接所指向的“目标页面”可能与用户查询并非密切相关。所以，Hilltop算法在这个阶段需要对“专家页面”的出链仔细进行甄别，以保证选出那些和查询密切相关的目标页面。

Hilltop在本阶段是基于“专家页面”和“目标页面”之间的链接关系来进行的，在此基础上，将“专家页面”的得分传递给有链接关系的“目标页面”。传递分值之前，首先需要对链接关系进行整理，能够获得“专家页面”分值的“目标页面”需要满足以下两点要求：

条件1：至少需要两个“专家页面”有链接指向“目标页面”，而且这两个专家页面不能是“从属组织页面”，即不能来自同一网站或相关网站。如果是“从属组织页面”，则只能保留一个链接，抛弃权值低的那个链接；

条件2：“专家页面”和所指向的“目标页面”也需要符合一定要求，即这两个页面也不能是“从属组织页面”；

在步骤一，给定用户查询，Hilltop算法已经获得相关的“专家页面”及其与查询的相关度得分，在此基础上，如何对“目标页面”的相关性打分？上面列出的条件1指出，能够获得传递分值的“目标页面”一定有多个“专家页面”链接指向，所以“目标页面”所获得的总传播分值是每个有链接指向的“专家页面”所传递分值之和。而计算其中某个“专家页面”传递给“目标页面”权值的时候是这么计算的：

a. 找到“专家页面” 中那些能够支配目标页面的“关键片段”集合S；

b. 统计S中包含用户查询词的“关键片段”个数T，T越大传递的权值越大；

c.“专家页面”传递给“目标页面”的分值为：E*T，E为专家页面本身在第一阶段计算得到的相关得分，T为b步骤计算的分值，

我们以图6-25的具体例子来说明。假设“专家页面”集合内存在一个网页P，其标题为：“奥巴马访问中国”，网页内容由一段

标签文字和另外一个单独的链接锚文字组成。该页面包含三个出链，其中两个指向“目标页面集合”中的网页,另外一个指向网页。出链对应的锚文字分别为：“奥巴马”，“中国”和“中国领导人”。

图6-25 Hilltop算法分值传递

从图示的链接关系可以看出，网页P中能够支配这个目标页面的“关键片段”集合包括：{中国领导人，中国，

奥巴马访问中国

,标题：奥巴马访问中国}。而能够支配目标页面的“关键片段”集合包括：{奥巴马，

奥巴马访问中国

,标题：奥巴马访问中国}。

接下来我们分析“专家页面”P在接收到查询时，是怎样将分值传递给与其有链接关系的“目标页面”的。假设系统接收到的查询请求为“奥巴马”,在接收到查询后，系统首先根据上述章节所述,找出“专家页面”并给予分值，而网页P是作为“专家页面”其中一个页面，并获得了相应的分值S，我们重点关注分值传播步骤。

对于查询“奥巴马”来说，网页P中包含这个查询词的“关键片段”集合为：{奥巴马，

奥巴马访问中国

,标题：奥巴马访问中国}，如上所述，这三个“关键片段”都能够支配页面，所以网页P传递给的分值为S*3。而对于目标页面来说，这三个“关键片段”中只有{

奥巴马访问中国

,标题：奥巴马访问中国}这两个能够支配目标页面，所以网页P传递给的分值为S*2。

对于包含多个查询词的用户请求，则每个查询词单独如上计算，将多个查询词的传递分值累加即可。

5. Hilltop在应用中不足

专家页面的搜索和确定对算法起关键作用，专家页面的质量决定了算法的准确性；而专家页面的质量和公平性在一定程度上难以保证。Hiltop忽略了大多数非专家页面的影响。

在Hilltop的原型系统中，专家页面只占到整个页面的1．79%，不能全面反映民意。

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!