基于社會(huì)網(wǎng)絡(luò)分析方法的web資源挖掘研究.pdf

1、當(dāng)今的時(shí)代是網(wǎng)絡(luò)信息的時(shí)代，網(wǎng)絡(luò)上的網(wǎng)頁數(shù)量非常的龐大，并且正在以飛快的速度增長(zhǎng)。搜索引擎的出現(xiàn)可以幫助我們從網(wǎng)絡(luò)上較為準(zhǔn)確的獲取含有相關(guān)的信息的網(wǎng)頁，但是獲得信息是比較寬泛的，有很多不是你想要的信息，也無法確認(rèn)這些信息的準(zhǔn)確性。這時(shí)候，最好的方法是從權(quán)威的網(wǎng)站上找相應(yīng)的信息。如果能在用戶使用搜索引擎查詢信息時(shí)，給出相應(yīng)信息的權(quán)威網(wǎng)頁，則可以提高用戶搜索的效率，改善搜索引擎的搜索質(zhì)量。 本文研究了幾種社會(huì)網(wǎng)絡(luò)分析方法在Web資源

2、挖掘上的應(yīng)用。通過用戶紿定的關(guān)鍵詞，從指定的搜索引擎獲取相應(yīng)的搜索結(jié)果，并以這些搜索結(jié)果的URL為初始的URL集合，通過自己開發(fā)的URL網(wǎng)絡(luò)蜘蛛向外做適當(dāng)擴(kuò)展，得到一個(gè)結(jié)點(diǎn)間主題相似度較高的權(quán)威圖。對(duì)獲得權(quán)威圖進(jìn)行Random Walks分析，點(diǎn)度中心性分析，凝聚子群分析，從而挖掘出其中的權(quán)威頁面和權(quán)威社區(qū)。 （1）Random Walks應(yīng)用于分析相鄰網(wǎng)頁結(jié)點(diǎn)之間的親密度，即相互到達(dá)的概率的乘積。親密度高，網(wǎng)頁與網(wǎng)頁的聯(lián)系就比

3、較緊密，而且可以通過比較相互到達(dá)概率的大小來判斷網(wǎng)頁結(jié)點(diǎn)之間是否存在依附關(guān)系。 （2）點(diǎn)度中心性分析應(yīng)用于分析單個(gè)結(jié)點(diǎn)的權(quán)威值的大小，依據(jù)是網(wǎng)頁被引用的次數(shù)。 （3）凝聚子群分析是挖掘出相互之間聯(lián)系比較緊密的小團(tuán)體，主要指標(biāo)是邊密度，如果幾個(gè)結(jié)點(diǎn)之間的邊的密度比較高，則它們之間的聯(lián)系就比較緊密。 實(shí)驗(yàn)表明，結(jié)合三種分析算法，點(diǎn)度中心性分析算法可以較好地挖掘出時(shí)下相關(guān)主題的權(quán)威網(wǎng)頁站點(diǎn)，Random Walks和凝