基于網絡用戶反饋特征聚合的網頁排序算法研究.pdf

1、互聯網的急速發(fā)展，使得各種網絡信息急劇膨脹，用戶要想在海量信息中獲取想要的信息，需要借助于搜索引擎這個必不可少的信息檢索工具。網頁排序算法作為搜索引擎的關鍵技術之一，它性能的好壞直接影響到用戶的信息檢索效率。最成功的網頁排序算法是著名的搜索引擎Google所采用的基于網頁鏈接結構分析的排序算法：PageRank算法。PageRank算法的應用范圍極為廣泛，除了應用于個性化網頁推薦之外，還被應用于諸如醫(yī)學、經濟學等領域。經過幾十年的發(fā)展，

2、傳統(tǒng)的PageRank算法在主題漂移、權值平均分配領域存在的問題都已經得到了很好地解決，但在忽略用戶興趣、網頁欺詐方面仍存在不足。為了更好的匹配用戶的查詢需求，本文提出了兩種改進的網頁排序算法。
　　搜索引擎通?；谀愁惥W頁排序算法返回用戶的查詢結果，但返回的網頁排序結果往往并不能真正反映用戶的查詢需求。為了改善傳統(tǒng)網頁排序算法在網頁排序過程中存在的忽略用戶興趣和網頁欺詐的不足，提出了一種基于用戶反饋特征聚合的網頁排序算法-AFP

3、R（Aggregation of Users Feedback Characteristics PageRank）。通過Web用戶反饋特征聚合，將不同的用戶反饋特征聚合為一類，綜合考慮用戶對網頁的有效點擊率、最近訪問頻率、網頁有效瀏覽時間等因素，將聚合結果以網頁用戶興趣反饋特征依賴因子形式融入到傳統(tǒng)網頁排序算法中。仿真實驗結果表明，AFPR算法能夠在一定程度上改善排序質量，提升用戶信息檢索的滿意度。
　　在AFPR算法的基礎上，通

4、過進一步分析用戶的瀏覽行為特征并針對AFPR算法存在部分主題漂移的問題，提出了一種基于用戶反饋特征聚合和內容相關度的網頁排序算法-UCPR（Aggregation of Users Feedback Characteristics and Contents PageRank）。一方面通過對用戶行為進一步分析，實現對用戶反饋特征的聚合（網頁的轉載、分享、有效點擊次數等）獲得用戶特征聚合因子，同時通過線性擬合預測用戶興趣發(fā)展趨勢，以緩解忽略