经典的Web结构挖掘算法PageRank的研究学习集中研究

　　经典的Web结构挖掘算法PageRank的研究学习集中研究

　　[摘要]：近年来，随着互联网的不断发展，网络成为人们重要的信息来源，为人们提供了丰富的信息资源。同时，其数据量大、复杂性、动态性强、用户多态性等特点也使得Web资源的挖掘难度加大。因此，将数据挖掘技术与Web相结合，进而进行Web数据挖掘就成为解决Web挖掘问题的重要途径。本文通过对经典Web结构挖掘算法PageRank的研究和学习，重点介绍算法的形成和计算方法，分析了独立网站中的算法，包括索引页面，包括入站链接和出站链接等. 针对该模型的效果，提出了相应的优化策略。针对PageRank算法只考虑对网页间超链接的分析而忽略网页内容，导致主题漂移和分析结果存在各种不足的问题，提出了超链接分析与内容相关性分析相结合的PageRank算法。该算法通过分析不同网页的内容并在链接之间分配不同的权重来实现PageRank的提高，最终通过实验证明了新算法的有效性。最后，我们还解决了PageRank算法中页面节点排序时页面权限与pivot完全分离，或者忽略页面pivot导致信息丢失等问题，通过重置个性化PageRank 算法中的向量。因素E.在此基础上讨论PageRank算法，并通过实验验证该算法对该问题的有效性。