搜索引擎PageRank算法研究

论文摘要

互联网的迅速发展,使得现有的搜索引擎面临着巨大的挑战,面对众多杂乱无章的信息,搜索引擎如何能够快速准确检索到用户需要的信息,在搜索引擎中就显得十分重要。因此,搜索引擎排序算法也就成为众多搜索引擎关注的关键问题之一。在现有搜索引擎排名算法中,基于网页链接结构的经典算法就是经常提到的PageRank算法和Hits算法,这些算法也是国内外众多学者和研究人员研究的主题,并取得了一定的成绩,形成了一些比较成熟的基于PageRank算法和Hits算法的综合改进算法。本文首先说明了国内外搜索引擎排名算法的研究背景、发展现状,然后分析了搜索引擎的工作原理和关键技术,以及搜索引擎的三级评测指标,为本文的原型系统测试和算法验证提供了一定的依据。然后,剖析了传统PageRank算法和已改进的PageRank算法,分析了它们存在的优、缺点,为我们进一步改进PageRank算法提供了可能性。本文的重点是通过分析传统PageRank算法和已有PageRank算法的改进算法,提出了结合分类技术、相似度和时间反馈因子的PageRank算法的综合改进算法,改进后的算法主要是从网页预处理、网页的链接结构和网页爬行周期等方面对PageRank算法进行改进,提出了一种基于PageRank算法的综合改进算法,并设计了原型系统,同时,对改进算法进行验证,将实验结果和传统算法进行比较,发现改进后的算法可以提高搜索引擎的查准率,改善系统的查全率。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 本文的研究背景
• 1.2 国内外研究现状
• 1.3 本文的研究意义及主要工作
• 1.4 本文的组织结构
• 1.5 本章小结
• 第二章 搜索引擎的相关知识
• 2.1 搜索引擎的分类
• 2.2 搜索引擎的工作原理
• 2.3 搜索引擎的主要技术
• 2.4 搜索引擎的关键技术
• 2.5 搜索引擎性能评测指标
• 2.6 本章小结
• 第三章 经典搜索引擎排序算法研究
• 3.1 PAGERANK算法的分析
• 3.2 PAGERANK算法的原理
• 3.3 HITS算法分析
• 3.4 经典算法评价
• 3.4.1 PageRank算法评价及现有改进方法
• 3.4.2 HITS算法评价
• 3.5 本章小结
• 第四章 基于PAGERANK的综合排序算法设计
• 4.1 分类技术与基于链接结构的算法结合
• 4.1.1 分类技术
• 4.1.2 网页的预处理
• 4.1.3 基于数据库相关度的PageRank算法
• 4.1.4 在修正算法中引入时间反馈因子
• 4.1.5 PageRank算法修正
• 4.2 本章小结
• 第五章 原型系统研究
• 5.1 技术选型
• 5.1.1 数据库选择
• 5.1.2 搜索引擎开发平台选择
• 5.1.3 基本原理和结构
• 5.2 NUTCH
• 5.2.1 Lucene
• 5.2.2 Nutch
• 5.3 系统设计和实现
• 5.3.1 基于Nutch的搜索引擎的系统结构
• 5.3.2 系统用例
• 5.3.3 系统流程
• 5.3.4 系统结构分析
• 5.3.5 数据库设计
• 5.3.6 程序设计
• 5.3.7 程序运行效果
• 5.4 算法验证
• 5.5 基于Nutch的搜索引擎系统评价
• 5.6 本章小结
• 第六章 结论和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 在攻读硕士学位期间发表刊物
• 致谢