一种基于模糊相似粗糙集的WEB搜索优化方法.doc

一种基于模糊相似粗糙集的WEB搜索优化方法.doc一种基于模糊相似粗糙集的WEB搜索优化方法摘要如何对Web信息搜索进行优化,是信息检索的重要研究课题。本文基于模糊相似粗糙集,在语义结构和Web的超链接结构间建立起映射,从而提高Web搜索的速度和准确率。关键词Web信息搜索;模糊分类;超链分析;模糊粗糙集;相似关系1引言Web作为信息制造、发布、加工与处理的主要平台,正以令人难以置信的速度在飞速发展着。如何在Web所提供的海量信息中发现有用的信息并加以有效利用,一直是人们努力研究的方向。搜索引擎(Searchengine)是目前Web信息检索的主耍工具。传统的搜索引擎大多是基于关键字匹配、目录分类等技术,但在查询速度与查准率、查全率等方面还具有较大的局限性。近几年的研究发现,分析Web网页间的超链接结构并充分利用,可以提高检索的质量。基于这种超链分析的思想,在1998年,SergerBrin和LawrencePage提出TPageRank[l]算法。同年,[2]算法,还有其他一些研究者相继提出了一些改进算法,如SALSA>PHITS等,在实际应用屮取得了良好的效果。为了进一步提高Web搜索的效率,我们提出了-种根据特定的需求,利用粗糙比较对Web信息的搜索路径进行优化的方法。首先对用户提交的反映用户需求的网页或关键字进行模糊分类,得到对信息空间的相似分类,再对识别出来的网页集团的超链接结构进行分析,用网页间作用力与文本信息的混和相似度,得到网页集团在用户需求信息上的相似类划分。通过对各自所得到的基于相似关系的模糊粗糙集之间相似程度的度量,找到与用户需求最接近的网页集团的排序表,从而达到对Web信息搜索的优化。本文首先回顾一些研究者在这一领域所做的一些相关工作;然后在核心部分详细论述了基于相似关系模糊粗糙集的Web搜索优化策略;最后是我们的结论。[3]中提出Web结构所呈现出来的自组织性,从而反映出Web上的一些信息分布知识。他们认为,尽管Web是一个分散的信息网络,但从全局来看,互不关联的创建过程由于作者共同的偏好而使得信息源之间产生了愈来愈紧密的联系,即通过超链接内容相同或相关而自然地聚合在一起,形成一个个网页集团[4](munity)o网页集团是指Web上一些网页所组成的集合,组成集合的成员网页指向集合内其他成员网页的超链接数,远比其指向集合外非成员网页的超链接数多得多。从形式上看,集团内部链接密集,而集团间链接稀疏,甚至根本不链接。集团内部的高密度链接通常表明构成集团的成员网页具有一定的信息相关性。这一发现对于我们进行Web信息搜索的优化具有很高的价值。PageRank算法和HITS算法是两种影响相当广泛的链接分析算法。其中,PageRank算法的基本出发点是试图为整个Web上的所有网页赋予一个量化的表征权威度的值,即通过迭代计算特征为每个网页分配PageRank值。由于所有处理过程是离线进行,因此不会为在线的查询过程付出额外的代价,但它最大的问题是没有对主题进行区分,因此,可能在返回结果中出现与主题无关的一些网页排在前面的情况。HTTS算法模型中,提出了权威性网页(authority)和中心网页(hub)的概念。其中,权威性网页是被大量的超链接所指向的、包含高质量的主题内容的信息源。Hub网页是指向和主题相关的权威网页