【摘 要】本文提出一種對網(wǎng)頁 PageRank 算法的改進方法，通過引進常數(shù)，使得PR值更加合理化，PageRank算法不對垃圾網(wǎng)站的影響做處理，引入一個鏈接參數(shù)L，滿足一定的條件下，會讓用戶經(jīng)過搜索得到的網(wǎng)頁質(zhì)量更高，考慮到網(wǎng)頁隨時間因素的影響，越新的網(wǎng)頁獲得的PR值越大，帶入時間參數(shù)t，通過分析t與新PageRank的算法之間的聯(lián)系，做出驗證。

【關(guān)鍵詞】PageRank；信息檢索；相似度；網(wǎng)頁

0 引言

近年來搜索引擎技術(shù)以龐大數(shù)據(jù)容量與快速的用戶響應(yīng)贏得了人們的普遍歡迎。傳統(tǒng)搜索引擎以PageRank算法對網(wǎng)頁優(yōu)先度進行排序，被認可最多的消息權(quán)重最大，排在最前面。本文對Pagerank進行分析，再與原PageRank驗證對比。，PageRank的算法優(yōu)點在于萬維網(wǎng)彼此相連，通過多鏈接關(guān)系，每個網(wǎng)頁的權(quán)值最終通過迭代區(qū)域一個穩(wěn)定值，對于任意一個不外聯(lián)集合，總權(quán)值數(shù)一定，使得其具有收斂性。但有不足的地方，PageRank算法沒有考慮到權(quán)值沉淀的問題，因為PageRank算法的計算具有全局性，如果要算一個網(wǎng)頁的 PR 值就要算出所有網(wǎng)頁的 PR值，所以計算量很大[1]；檢索主題與PageRank算法的公式計算出的 PR值無關(guān)；一些頁面引用了別的網(wǎng)頁而PageRank算法不會提高了PR值。

1基于PageRank算法的改進

PageRank算法是google公司前期用于劃分網(wǎng)頁之前存在的鏈接價值而提出的算法，算法的核心內(nèi)容就是：如果網(wǎng)頁Ti指向一條網(wǎng)頁A的鏈接，則認為A得到了Ti的認可，如果有許多高質(zhì)量的網(wǎng)頁指向了A，就說明A很重要，這個質(zhì)量值就由PageRank值來代替，簡稱PR值[2] [3]。

（1）

其中：：網(wǎng)頁A的PR值；：網(wǎng)頁Ti存在指向A的鏈接，且是Ti在上一次迭代時的PR值；：網(wǎng)頁Ti的外鏈數(shù)量；d：阻尼系數(shù)，0

無論怎么迭代，迭代的結(jié)果收斂，最終趨于穩(wěn)定，這是PageRank算法的重要特性，但當網(wǎng)頁的集合連接成一個環(huán)，且不指向這個環(huán)外部的網(wǎng)頁，PR算法就會使權(quán)值累積變大，這種現(xiàn)象叫權(quán)值沉淀。

要改善權(quán)值沉淀，使網(wǎng)頁消息的權(quán)值會隨著數(shù)量的增多而改變，引入常數(shù)N。N為萬維網(wǎng)中的頁面總數(shù)，網(wǎng)頁A的PR值是受到鏈接源數(shù)目的影響，源數(shù)目越多，在默認每個網(wǎng)頁阻尼d都相同的情況下成正比，由于google在對PageRank算法中引入了對隨機沖浪模型的討論，不妨擬定參數(shù)L，L（A）為A的鏈接源頁面數(shù)，而L[C（Ti）]表示Ti順向鏈接的子點的源網(wǎng)頁得到的公式2為：

萬維網(wǎng)中存在獨立網(wǎng)頁，如果使用PageRank公式，那得到的PR值為（1-d），顯得過大，經(jīng)改善，N可以理解為每個頁面都有1/n的可能跳轉(zhuǎn)到其他網(wǎng)頁去，用迭代法最終得到獨立網(wǎng)頁的PR值不再為1-d，增加了內(nèi)外頁面之間的相對流動性。由公式趨于穩(wěn)定時總和為1，說明結(jié)果正確。經(jīng)過驗證新公式對權(quán)值的重要性影響比原算法好，低權(quán)值的信息排名比以前更低，高權(quán)值的信息排名更高，更容易引起人們的重視，結(jié)果符合情理，參數(shù)的設(shè)定還有待斟酌。

同時社會上的網(wǎng)頁消息需要根據(jù)時間進行篩選，大多是定期排序更新消息的，所以設(shè)置變量t，可以盡可能的按照消息類別對權(quán)值產(chǎn)生影響。權(quán)值必須為足夠大，無可爭議變量使新算法得到的PR值盡可能的大。針對定期性進行變量的引進t，t為爬蟲訪問到網(wǎng)頁的時間與當前期刊網(wǎng)頁的更新之間的時間（天）， t為Number類型 >=1。那么搜索引擎可以引入時間變量t。令K（H）=1-e-dt，d為常數(shù)。改進的Page Rank算法如公式3。

2 結(jié)論

本文對Page Rank算法進行了改進。構(gòu)建了一個新的Page Rank算法公式，增加了內(nèi)外頁面之間的相對流動性，權(quán)值的重要性影響上比原PageRank算法好，考慮到了時間等影響因數(shù)。比原公式更加準確，提高了Page Rank算法公式的合理性。

參考文獻：

[1] 劉金桂，李緒蓉.基于網(wǎng)頁相似度的 Page Rank算法的改進[J]. 淮陰工學院學報. 2006（01）

[2] Brin S， Page L. T he anatomy of a large-scale hyper-textual Web-search engine[A]. Proc 7th International World Wide Web Conference[C]. Brisbane： SIGIR， 1998. 146- 164

[3] Jughoo Cho， Hector G M ， Lawrence P. Efficient crawling through URL ordering[A] . Proc 7th International World Wide Web Conference[C] . Brisbane： SIGIR， 1998. 220- 235.

作者簡介：

王碩（1993-），男，內(nèi)蒙古赤峰市，學生，本科。研究方向：通信工程專業(yè)。

王萍 （1992-） ， 女， 吉林省公主嶺市，學生， 本科。研究方向：通信工程專業(yè)。