如何使用中心页面查找权威页面?

data miningdatabasedata structure更新于 2026/2/3 18:22:17

中心页面是一组支持指向权威页面链接的网页。中心页面不能是突出的,也不能存在指向它们的链接;但是,它们支持指向某个主题的一组突出网站的链接。

此类页面可以是单个主页上的推荐链接列表,包括课程主页上的推荐参考网站,或商业网站上专业汇总的资源文档。中心页面在隐性地赋予目标主题权威性方面发挥着重要作用。

一般来说,一个好的中心页面是指向多个好的权威页面的页面;一个好的权威页面是由多个好的中心页面指向的页面。中心页面和权威页面之间的这种相互强化关系支持权威网页的挖掘以及高质量网页架构和资源的自动发现。

一种利用中心页面的算法,称为 HITS(超链接诱导主题搜索),如下所示。首先,HITS 需要查询词从基于索引的搜索引擎中收集一个初始集合,例如 200 个页面。这些页面构成了核心集合。

由于一些页面可能与搜索主题相关,因此其中一些页面应该包含指向大多数知名权威网站的链接。因此,核心集合可以扩展为一个基集,其中包含核心集合页面所链接的部分页面以及链接到核心集合中页面的部分页面,最终达到指定的大小截止值,包含 1,000 到 5,000 个页面(包含在基集中)。

其次,启动权重传播过程。此迭代阶段确定中心权重和权威权重的统计估计值。两个具有相似 Web 域名(即,其 URL 中包含相同的一级域名)的页面之间的链接用作导航服务,因此不赋予权威性。此类链接未经权重传播分析授权。

Google 的 PageRank 算法基于相同的原理。通过探索 Web 链接和文本上下文数据,已有记录表明,此类系统可以获得比 AltaVista 等术语索引引擎以及包括 Yahoo! 在内的人类本体论专家生成的搜索结果更高质量的搜索结果。

链接分析算法基于以下两个假设。首先,链接传递的是人类的认可。如果存在从页面 A 到页面 B 的链接,并且这两个页面由多人创作,则该链接表示页面 A 的作者认为页面 B 有价值。因此,可以将页面的重要性提升到其链接到的页面。其次,被特定页面共同引用的页面很可能与同一主题相关。


相关文章