2、评估对等搜索技术的内容模型

评估对等搜索技术的内容模型

1 引言

近年来，对等搜索网络及其在各种任务中的应用成为研究热点。初始的搜索协议，如Gnutella的泛洪协议，可扩展性不足，促使人们开发新的搜索协议和策略。然而，由于研究团队难以部署和测试大规模的对等网络，许多研究者使用模拟方法来评估新的或现有的搜索技术。

本文主要关注非结构化对等网络，如Gnutella或Kazaa。尽管结构化网络（如CHORD和CAN）有其优势，但非结构化网络因能进行基于内容的搜索而备受关注。在非结构化网络中，节点对本地存储的内容进行搜索，并通过覆盖网络根据路由协议转发搜索消息。

模拟非结构化对等网络需要对网络拓扑和内容进行建模。拓扑模型描述节点的连接方式，内容模型描述不同查询匹配的文档以及文档所在的节点。内容模型同样重要，因为模拟器需要判断查询何时到达有匹配文档的节点。

创建对等网络模拟的内容模型通常有两种方法：
1. 收集真实文档并处理真实查询 ：这种方法能准确捕捉真实内容的特征，但难以收集大规模的真实文档。
2. 随机生成内容模型 ：虽然可用于大规模网络模拟，但可能无法准确反映真实应用中查询和文档的分布。

本文的目标是开发一种内容模型，既能匹配真实应用中的查询和文档分布，又能扩展用于大规模网络模拟。我们的方法是使用小而真实的数据集测量有用的统计信息，然后生成匹配这些统计信息的大型合成内容模型。

2 Map - Degree - Similarity内容模型

我们的内容模型由两部分组成：地图和统计信息。地图表示查询与文档的匹配关系以及文档与节点的位置