一种面向不确定图的SimRank算法

董宇欣，王莹洁，宁鹏飞，张耀元

（哈尔滨工程大学计算机科学与技术学院，黑龙江哈尔滨150001）

一种面向不确定图的SimRank算法

董宇欣，王莹洁，宁鹏飞，张耀元

（哈尔滨工程大学计算机科学与技术学院，黑龙江哈尔滨150001）

针对以往的搜索引擎日志分析都主要集中在用户行为分析、查询推荐及搜索引擎评价等方面，采用社会网络分析法对搜索引擎进行日志分析。以不确定图的方式逻辑表示搜索引擎的日志中查询词和网页的链接关系，通过基于不确定图的SimRank算法，计算查询词与网页的相似度，最终以相似度和查询词的加权方式建立网页描述库。针对概率抽样的3点基本要求，提出一种渐进式的抽样策略，从而保证采用抽样技术对于不确定图中SimRank值计算的准确性。实验表明该算法具有较好的准确率和可行性。

搜索引擎；社会网络；不确定图；SimRank；相似度；抽样策略

传统搜索引擎在商用过程中，都设计一套日志系统，记录下用户在搜索引擎上的使用信息。用户每进行一次查询及在查询结果中的浏览信息，日志系统会将用户查询词、点击URL、用户ID、查询时间、浏览时间等信息记录下来。搜索引擎的长期运行，使得日志文件中记录信息极为丰富，庞大的日志信息量背后蕴藏着很多知识、经验及用户行为。

关于社会化排序算法，多数研究是利用社会网络中的社会标注改进搜索引擎排序结果。Hotho等［1］提出的FolkRank算法是面向社会标注系统的网页排序，社会标注系统在该算法中被视作用户、资源和标签三元集合关系图，是对PageRank算法的一种改进。……