HITS算法的工作原理,HITS算法的实际应用

HITS是英 Hyperlink-Induced文- Topic Search的缩写，意译为“超链诱导主题搜索”HITS 算法是由康奈尔大学( Cornell University ) 的Jon Kleinberg 博士于1997 年首先提出的,为IBM 公司阿尔马登研究中心( IBM Almaden Research Center) 的名为“CLEVER”的研究项目中的一部分。

 

按照HITS算法，用户输入关键词后，算法对返回的匹配页面计算两种值，一种是枢纽值（Hub Scores），另一种是权威值(Authority Scores),这两种值是互相依存、互相影响的。所谓枢纽值，指的是页面上所有导出链接指向页面的权威值之和。权威值是指所有导入链接所在的页面中枢纽之和。

 

一个网页重要性的分析的算法。通常HITS算法是作用在一定范围的，比如一个以程序开发为主题网页，指向另一个以程序开发为主题的网页，则另一个网页的重要性就可能比较高，但是指向另一个购物类的网页则不一定。

 

在限定范围之后根据网页的出度和入度建立一个矩阵，通过矩阵的迭代运算和定义收敛的阈值不断对两个向量Authority和Hub值进行更新直至收敛。

 

HITS 算法的具体步骤：

 

1、接受一个用户查询的请求。HITS 算法与用户输入的查询请求密切相关，它的查询结果是动态生成的，而 PageRank 算法则与用户的查询无关。

2、将查询提交给某个现有的搜索引擎（或者是自己构造的检索系统），并在返回的搜索结果中，提取排名靠前的网页，得到一组与用户查询高度相关的初始网页集合，这个集合被称作为 root set

3、建立 base set，凡是与根集内网页有直接链接指向关系的网页都被扩充进来，形成如下集合

4、计算：auth[i] = sum(hub[j] * e[j][i], j = 1..n)，hub[i] = sum(auth[j] * e[i][j], j = 1..n)，注意此处先计算 auth 和 hub 的新值，然后覆盖原值

5、归一化：auth[i] /= sqrt(sum(auth[i]^2))，hub[i] /= sqrt(sum(hub[i]^2)) ，即将 auth 向量和 hub 向量的长度置为1

6、迭代：如果值趋于稳定，结束，否则返回1。可以证明，HITS 算法是收敛的。

 

HIST算法是子集传播算法的代表算法。在HIST算法中，分为Hub页面和Authority页面，Authority页面是指与某个领域或者某个话题相关的高质量页面，Hub页面则是包含很多指向高质量Authority页面链接的网页，比如，hao123首页就是一个典型的高质量Hub页。

 

Hub页和Authority页之间是相互增强的关系，HITS算法基于的是下面的两个基本假设：

基本假设1：一个好的Authority页面会被很多Hub页面指向。

基本假设2 ： 一个好的Hub页面会指向很多好的Authority页面。

 

 

HITS算法的实际应用

 

我们可以简单地理解为HITS算法会提炼出两种比较重要的页面，也就是枢纽页面和权威页面。枢纽页面本身可能没有多少导入链接，但是有很多导出链接指向权威页面。权威页面本身可能导出链接不多，但是有很多来自枢纽页面的导入链接。

 

典型的枢纽页面就是如雅虎目录、开放目录或好123样的网站目录。这种高质量的网站目录作用就在于指向其他权威网站，所以称为枢纽。而权威页面有很多导入链接其中包含很多来自枢纽页面的链接。权威页面通常是提供真正相关内容的页面HITS算法是针对特定查询词的，所以称为主题搜索。

 

HITS算法的最大缺点是，它在查询阶段进行计算，而不是在抓取或预处理阶段所以HITS算法是以牺牲查询排名响应时间为代价的。也正因为如此，原始HITS算法在搜索引擎中并不常用。不过HITS算法的思想很可能融入到搜索引擎的索引阶段，也就是根据链接关系找出具有枢纽特征或权威特征的页面。

 

成为权威页面是第一优先，不过难度比较大，唯一的方法就是获得高质量链接，当你的网站不能成为权威页面时，就让它成为枢纽页面，所以导出链接也是当前搜索引擎排名因素之一，绝不链接到其他网站的做法，并不是好的SEO方法。

 

SEO培训服务