呂嘉慧（中南財經(jīng)政法大學(xué),廣東 佛山 430073）

基于層次分析法的網(wǎng)頁排序技術(shù)

呂嘉慧
（中南財經(jīng)政法大學(xué),廣東 佛山 430073）

摘 要：在大數(shù)據(jù)時代，網(wǎng)頁搜索的效率和質(zhì)量要求越來越高，本文在研究分析層次分析法原理的基礎(chǔ)上，提出了基于此的網(wǎng)頁搜索排序技術(shù)和處理方法，通過仿真實證了該方法的可行性和有效性。

關(guān)鍵詞：搜索引擎；層次分析法；網(wǎng)頁排序

1　概要

經(jīng)過多年的探索發(fā)展，向量空間模型、語言模型、布爾模型、鏈接分析算法、相關(guān)性排序模型等都曾或正被應(yīng)用到搜索引擎中。目前用得比較多的排序算法是在鏈接分析算法的基礎(chǔ)上加入更多的排序因素：關(guān)鍵詞在網(wǎng)頁中出現(xiàn)的位置、點擊次數(shù)和網(wǎng)頁被引用次數(shù)等。這些方法最大的不足是不同用戶搜索得到的網(wǎng)頁結(jié)果排序是一樣。

2　層次分析法

2.1 層次分析法原理

層次分析法(AHP)，其主要思想是通過對復(fù)雜系統(tǒng)的有關(guān)要素及其相互關(guān)系進(jìn)行分析，將其簡化為有序的遞階層次結(jié)構(gòu)，使這些要素歸類到不同的層次，形成一個多層次的分析結(jié)構(gòu)模型，最終把系統(tǒng)分析轉(zhuǎn)化為確定最低層(決策方案)相對于最高層(總目標(biāo))的相對重要性權(quán)值的問題。

AHP使用時先將問題中的因素劃分到不同層次中，利用一致矩陣法確定各層次因素間的權(quán)重，經(jīng)過歸一化得出由同層次因素對于上一層次某因素的相對重要性的權(quán)值所組成的矩陣。然后計算某層次所有因素對最高層相對重要性的權(quán)值。兩次相對重要性權(quán)值計算都需進(jìn)行一致性檢驗。

AHP實現(xiàn)網(wǎng)頁排序的原理是以網(wǎng)頁和搜索關(guān)鍵詞之間的相關(guān)度為最高層，點擊次數(shù)、詞頻、詞位置、引用次數(shù)、瀏覽時間和用戶個人信息作為中間層，搜索的結(jié)果網(wǎng)頁為最底層。通過結(jié)合搜索和層次分析法排序完成搜索任務(wù)。

2.2 基于層次分析的網(wǎng)頁排序

首先對用戶提交的關(guān)鍵詞進(jìn)行同義詞查詢，基于關(guān)鍵詞及其同義詞進(jìn)行擴(kuò)展查詢，查詢返回關(guān)鍵詞在頁面中的位置、瀏覽平均時間、點擊率、被引用次數(shù)等信息，然后對返回的結(jié)果頁面結(jié)合AHP分析得出相關(guān)性排序網(wǎng)頁，最終向用戶反饋排序結(jié)果。

假設(shè)用戶提交關(guān)鍵詞后得到5個頁面，為得到的頁面創(chuàng)建SearchedPage實例。該實例有以下字段：id(頁面在DB中的編號),relevance(關(guān)鍵詞與頁面的相關(guān)程度),hitWeight(頁面被點擊次數(shù)權(quán)重，/100),refWeight(頁面被引用次數(shù)權(quán)重),posWeight(關(guān)鍵詞位置權(quán)重，根據(jù)關(guān)鍵詞第一次出現(xiàn)的位置判斷，標(biāo)題部分取20，正文按每10%減1，正文前10%取10),freWeight(關(guān)鍵詞頻率權(quán)重，*100),readTWeight(頁面平均瀏覽時間權(quán)重，*100),cusWeight(用戶個性化相關(guān)權(quán)重，頁面類別與用戶愛好匹配取3，否則取1),synWeight(詞義距離權(quán)值，取值0-5，直接匹配取0)。假設(shè)這5個頁面：(hitWeight,refWeight,posWeight,freWeight,readTWeight,cus Weight,synWeight)

5個頁面取值分別為：P1(9.6,24,20,0.93,2.7,1,1),P2(3.1,7,9 ,0.2,1.76,1,1),P3(8.2,13,10,0.98,0.84,3,1),P4(9.7,8,10,1.15,0.79,1,0) ,P5(5.4,36,20,0.81,0.8,3,2)。利用AHP求解relevance。

根據(jù)中間層因素對relevance取值的影響程度，建立比較矩陣T，其中t12＝ 1/3表示作者認(rèn)為關(guān)鍵詞在頁面中的位置比其出現(xiàn)頻率更重要。

通過計算，得比較矩陣T的最大特征根λ＝7.3，相應(yīng)特征變量為W=(0.11,0.34,0.05,0.24,0.10,0.08,0.09)T，一致性檢驗指標(biāo)CI = (λ- n)/ (n - 1) = 0.05,n = 7。查表知隨機(jī)一致性指標(biāo)為RI=1.32，一致性比率CR=CI/RI=0.038＜0.1，通過一致性檢驗。

根據(jù)SearchedPage屬性值，構(gòu)建P1到P5實例對freWeight等指標(biāo)的判斷矩陣，如下。

因為篇幅有限，本文不列出K2—K10，只給出K2—K10比較矩陣的最大 特征值λi(i=1,2,3,……,7)與對應(yīng)的特 征向量Wi(i=1,2,3,……,7)。

λ1=10.04 W1=(0.14,0.05,0.16,0.14,0.12)

λ2=10.86 W2=(0.13,0.02,0.08,0.10,0.17)

λ3=10.09 W3=(0.17,0.03,0.14,0.17,0.11)

λ4=10.11 W4=(0.19,0.07,0.07,0.05,0.04)

λ5=10.12 W5=(0.12,0.03,0.08,0.04,0.25)

λ6=10.01 W6=(0.03,0.04,0.19,0.03,0.18)

λ7=10.29 W7=(0.11,0.03,0.12,0.13,0.07)

算出K1—K10最大特征值、特征向量對應(yīng)的CI、CR知通過一致性檢驗，層次總排序一致性比率：CR=(t1CI1+t2CI2+L+a7CI7)/(a1RI1+a2RI2+L+a7RI7)，其中：(t1,t2,t3,t4,t5,t6,t7)T=(0.11,0.34,0.05,0.24,0.1 0,0.08,0.09)T，算得CR＝0.032，CR＜0.1通過檢驗。

因此，通過同義詞和個性化搜索后得到SearchedPage的5個實例P1、P2、P3、P4、P5排序為P1、P5、P3、P4、P2。

3　結(jié)語

基于層次分析的搜索排序技術(shù)可以較好的解決傳統(tǒng)的同義詞擴(kuò)展方式又會帶來更多的查詢結(jié)果難以合理排序的問題，并有利于提高搜索的精確率和覆蓋率。

參考文獻(xiàn)：

[1]常璐,夏祖奇.搜索引擎的幾種常用排序算法[D].圖書情報工作,2003(06).

[2]金祖旭,李敏波.基于用戶反饋的搜索引擎排名算法[Z].計算機(jī)系統(tǒng)應(yīng)用,2010(12).

作者簡介：呂嘉慧（1993-），女，廣東佛山人，本科，研究方向：搜索引擎。