一种网页的垂直搜索方法

摘要

本发明公开了一种网页的垂直搜索方法，涉及垂直搜索领域，所述方法包括：获取root集和base集；初始化所述base集的入链权重和出链权重；获取所述base集中所有页面链接的入链网页权重和出链网页权重；获取所述base集中页面的主题相似性和页面的站点权重；根据所述入链网页权重、所述出链网页权重、所述主题相似性和所述站点权重获取所述base集中所有页面的入链权重和出链权重。本发明实施例通过在垂直搜索的HITS方法的基础上添加了站点权重这一参数，使得可以获取到更符合实际需要的网页，提高了搜索网页的准确性和精度，满足了实际应用中的需要。

主权项

1.一种网页的垂直搜索方法，其特征在于，所述方法包括以下步骤：(1)获取root集和base集；(2)初始化所述base集的入链权重和出链权重；(3)获取所述base集中所有页面链接的入链网页权重和出链网页权重；(4)获取所述base集中页面的主题相似性和页面的站点权重；(5)根据所述入链网页权重、所述出链网页权重、所述主题相似性和所述站点权重获取所述base集中所有页面的入链权重和出链权重；其中，步骤(1)中的所述root集是指对于某一个主题通过搜索引擎所查找到的初始文档集合；所述base集是指从所述root集中的网页出发，由这些网页的出度网页及入度网页所组成的文档集合；其中，步骤(3)中的所述获取所述base集中所有页面链接的入链网页权重和出链网页权重具体为：$\forall i,P_i^{\mathrm{in}}={\Sigma }_{j\in B\left(i\right)}{P}_j^{\mathrm{out}}/N_j^{\mathrm{out}}$$\forall i,P_i^{\mathrm{out}}={\Sigma }_{j\in F\left(i\right)}{P}_j^{\mathrm{in}}/N_j^{\mathrm{in}}$其中，为网页vi的入链信息确定的网页权重、为网页vi的出链信息确定的网页权重、P_iⁱⁿ和P_i^out的初始值为1、和分别为网页vj的入链数目和出链数目、B(i)和F(i)分别为vi链源页面集合和链宿页面集合；其中，步骤(4)中的所述获取所述base集中页面的主题相似性和页面的站点权重具体为：通过VSM来获取某一行业的特征向量R(w₁，w₂，...，w_n)；获取某一网页vi的特征向量C(w_i1，w_i2，...，w_in)；获取页面的主题相似性和页面的站点权重；通过获取所述页面的主题相似性；w_vi＝Sim(R，C_i)代表vi页面的主题相似性；统计root集中的前k个页面的各个网站的数目，通过ws_vi1＝1+w₁*(N_1vi-1)来获取root集中的前k个页面的第一站点权重ws_vi1，N_1vi代表vi页面在前k个页面中属于本站点的页面数目，且vi∈root；统计root集中的后k个页面的各个网站的数目，通过ws_vi2＝ws_vi2+w₂*N_2vi来获取root集中的后k个页面的第二站点权重ws_vi2，N_2vi代表vi页面在后k个页面中属于本站点的页面数目，且vi∈root；其中，w₁和w₂的取值满足w₁的取值大于w₂的取值；其中，步骤(5)中的所述根据所述入链网页权重、所述出链网页权重、所述主题相似性和所述站点权重获取所述base集中所有页面的入链权重和出链权重具体为；通过和获取到a_i和h_i，直到前k个收敛；并对a_i和h_i进行归一化处理，获取到所述所有页面的入链权重和出链权重，其中，为入链网页权重，为出链网页权重，w_vj为主题相似性，ws_vj为站点权重。