3.4 網頁分析演算法

標籤：網路拓撲   單擊   伺服器   使用者   超連結   hits   重要性   Google搜尋   關係   

在搜尋引擎中，爬蟲爬取了對應的網頁之後，會將網頁儲存到伺服器的未經處理資料庫中，之後
搜尋引擎會對這些網頁進行分析並確定各網頁的重要性，即會影響使用者的檢索的排名結果。
對於這些重要性的確定及排名結果的確定需要演算法來解決，所以先來瞭解一下演算法。

搜尋引擎的網頁分析演算法主要分為3類：基於使用者行為的網頁分析演算法、基於網路拓撲的
網頁分析演算法、基於網頁內容的網頁分析演算法。接下來我們分別對這些演算法進行講解。

搜尋引擎的網頁分析演算法主要分為3類：基於使用者行為的網頁分析演算法、基於網路拓撲的網頁
網頁分析演算法、基於網頁內容的網頁分析演算法。

1 基於使用者行為的網頁分析演算法

這種演算法中，會依據使用者對這些網頁的訪問行為，對這些網頁進行評價，比如，依據使用者對
該網頁的訪問頻率、使用者對網頁的訪問時間長度、使用者的單擊率等資訊對網頁進行綜合評價。

2 基於網路拓撲的網頁分析演算法

基於網路拓撲的網頁分析演算法是依靠網頁的連結關係、結構關係、已知網頁或資料等對網頁
進行分析的一種演算法，所謂拓撲，簡單來說即結構關係的意思。基於網路拓撲的網頁分析
演算法，同樣主要可以細分為3種類型：基於網頁粒度的分析演算法、基於網頁塊粒度的分析算
法、基於網站粒度的分析演算法。

PageRank演算法是一種比較典型的基於網頁粒度的分析演算法。它是Google搜尋引擎的核心演算法，
簡單來說，它會根據網頁之間的連結關係對網頁的權重進行計算，並可以依靠這些計算出來
的權重，對網頁進行排名。具體的演算法細節有很多，在下也不懂。除了PageRank演算法之外，
HITS演算法也是一種常見的基於網頁粒度的分析演算法。

基於網頁塊粒度的分析演算法，也是依靠網頁間連結關係進行計算的，但計算規則有所不同。
我們知道，在一個網頁中通常會包含多個超連結，但一般其指向的外部連結中並不是所有的
連結都與網站主題相關，或者說，這些外部連結對該網頁的重要程度是不一樣的，所以若要
基於網頁塊粒度進行分析，則需要對一個網頁中的這些外部連結劃分層次，不同層次的外部
連結對於該網頁來說，其重要程度不同。這種演算法的分析效率和準確率，會比傳統的演算法好
一些。

基於網頁粒度的分析演算法，也與pagerank演算法類似。而基於網站粒度進行分析，相應的，會
使用siterank演算法。即此時我們會劃分網站的層次和等級，而不再具體的計算網站下的各個
網頁的等級。所以其相對於基於網頁粒度的演算法來說，則更加簡單高效，但是會帶來一些缺
點，比如精確度不如基於網頁粒度的分析演算法精確。


3 基於網頁內容的網頁分析演算法
在基於網頁內容的網頁分析演算法中，會依據網頁的資料、文本等網頁內容特徵，對網頁進行相
應的評價。

高手們如果有演算法的具體介紹的文章，孩請分享，謝謝爬爬！

3.4 網頁分析演算法