HITS算法是链接分析的重要算法，用于找出高质量的“Authority”和“Hub”页面。它基于两个基本假设：好的“Authority”被好的“Hub”链接，反之亦然。算法通过迭代计算页面的Hub和Authority权值，但在计算效率、主题漂移、易被操纵和结构稳定性等方面存在问题。相比PageRank，HITS与用户查询相关，实时计算，但效率较低，适合处理特定查询。
本文节选自《这就是搜索引擎：核心技术详解》第六章
HITS算法也是链接分析中非常基础且重要的算法，目前已被Teoma搜索引擎（www.teoma.com）作为链接分析算法在实际中使用。
6.4.1 Hub页面与Authority页面
Hub页面和Authority页面是HITS算法最基本的两个定义。所谓“Authority”页面，是指与某个领域或者某个话题相关的高质量网页，比如搜索引擎领域，Google和百度首页即该领域的高质量网页，比如视频领域，优酷和土豆首页即该领域的高质量网页。所谓“Hub”页面，指的是包含了很多指向高质量“Authority”页面链接的网页，比如hao123首页可以认为是一个典型的高质量“Hub”网页。
图6-11给出了一个“Hub”页面实例，这个网页是斯坦福大学计算语言学研究组维护的页面，这个网页收集了与统计自然语言处理相关的高质量资源，包括一些著名的开源软件包及语料库等，并通过链接的方式指向这些资源页面。这个页面可以认为是“自然语言处理”这个领域的“Hub”页面，相应的，被这个页面指向的资源页面，大部分是高质量的“Authority”页面。
图6-11 自然语言处理领域的Hub页面
&
最低0.47元/天 解锁文章
扫一扫
1634
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
