HITS链接分析算法
HITS（Hyperlink-Induced Topic Search）是一种基于链接的搜索引擎排名算法，与其他排名算法如PageRank一样，它的主要目的是将用户查询与集合的文档匹配，使得最相关的文档被检索出来，排在前面。事实上，网页根据网页内部和外部因素来排序。HITS算法包括两个重要指标：Authority和Hub，体现网页的相关性，指导搜索引擎排序，即把相关性高的网页排在前面。 HITS算法首先将网络或文档抽象为一个有向图，称为链接网络。对于每个网页，给出其作者（Authority）和链接（Hub）。基于链接的HITS算法使用一个简单的迭代流程来更新Authority 和 Hub 指标的值： 1.首先通过将Authority 分配给所有链接节点，计算每个Hub所具有的Authority 权重。 2.接着，将Hub值分配给每个链接节点，计算每个Authority所拥有的Hub权重 3.这个迭代过程一直持续下去，直到稳定，也就是说，在计算Authority/Hub 的值的时候，其值改变的越来越小，这个阈值可以根据系统的需要来设定。 4.最后，将依据Authority/Hub 指标值排序得到的结果作为搜索引擎的排序结果返回给用户。 HITS算法有一定的局限性，其最大的缺点在于，HITS算法容易受垃圾链接（spam links）的影响。多数搜索引擎都在使用HITS算法前都要先审查排名结果，移除被标记为垃圾链接的网页，以确保搜索引擎的查询结果的真实性和可靠性。
Public @ 2023-03-02 20:01:00