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
發(fā)表日期:2012-05-19 瀏覽次數(shù):2796次
做SEO優(yōu)化的朋友都知道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。但這個算法貌似不是很好懂,一般不經(jīng)過深思熟慮普通人是很難想通透的,如果有一天你搞得懂了HITS算法,也就意味著你的優(yōu)化技術(shù)已經(jīng)高人一等了。
該算法的大概思想是指利用頁面之間的引用鏈來發(fā)掘隱含在其中的有用信息(eg: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)量息息相關(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(yīng)該將其內(nèi)容權(quán)威度和鏈接權(quán)威度隔開來思索,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算法也有其顯然的不足。
首先,它完全將網(wǎng)頁的內(nèi)容或文本消除在外,僅思索網(wǎng)頁之間的鏈接結(jié)構(gòu)來剖析頁面的權(quán)威性,這與現(xiàn)實網(wǎng)絡(luò)中的權(quán)威頁面對比,其不科學(xué)性昭然若揭。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)威性的頁面并不體表在其他與其無關(guān)的主題方面同樣具備權(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肯定,但除此之外也有其他目的鏈接,eg:為了導(dǎo)航或為了付費廣告。而HITS算法在達成過程中均沒有思索以上情況.致使了結(jié)果與目標的差距。就HITS算法的思想與實現(xiàn)過程做了詳細的研究與概括。
針對前面第一種瑕疵,就有相關(guān)的學(xué)者提出了一種利用超鏈文字及其周邊文字與關(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)值的相對遏制,很好地將頁面文本信息引入到HITS算法,提升了算法的可靠性,并在現(xiàn)實中取得了優(yōu)良的效果。
對HITS算法的第二個瑕疵,即非正常目的的引用.在HITS算法看來,也誤認為是正常引用,致使實際結(jié)果與目標的出入。后來,經(jīng)過不斷的改善。HITS算法又引入了時間參數(shù),即借助對一鏈接引用的時問長短來評判是否為正常引用。因為非正常鏈接其引用時問必將不會很長(eg:交換鏈接、廣告鏈接),相反,倘若一頁面對另一頁面的鏈接時間較長,則必將反映此頁面就是用戶的相找頁面。即目標頁面或起碼是正常引用。
倘使設(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)過程中甄選出來。如設(shè)定訪問時間少于1min者為非正常引用。另外可構(gòu)造時間訪問函數(shù),遏制權(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)威頁面提供更得當(dāng)、更科學(xué)的解釋。SEO優(yōu)化鏈接穩(wěn)定性,在外部鏈接的建設(shè)中,占領(lǐng)非常重要的地位。鏈接越穩(wěn)定,對排名的幫助就愈大。