HITS算法

HITS 算法是由康奈尔大学( Cornell University ) 的Jon Kleberg 博士于1997 年提出的,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。

英文全称

Hyperlk-Induced Topic Search

算法由来

HITS 算法是由康奈尔大学( Cornell University ) 的Jon Kleberg 博士于1997 年提出的,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。

具体解释

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，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

描述

HITS(Hyperlk – Induced Topic Search) 算法是利用HubPAuthority的搜索方法,

具体算法如下:

将查询q提交给基于关键字查询的检索系统，从返回结果页面的集合中取前n个网页(如n=200)，作为根集合(root set)，记为S，则S满足

1.S中的网页数量较少

2.S中的网页是与查询q相关的网页

3.S中的网页包含较多的权威(Authority)网页

通过向S 中加入被S 引用的网页和引用S 的网页,将S 扩展成一个更大的集合T. 以T 中的Hub 网页为顶点集V1 ,以权威网页为顶点集V2 。

V1 中的网页到V2 中的网页的超链接为边集E ,形成一个二分有向图. 对V1 中的任一个顶点v ,用h ( v) 表示网页v 的Hub 值,且h ( v)收敛;对V2 中的顶点u ,用a ( u) 表示网页的Authority 值。

开始时h ( v) = a ( u) = 1 ,对u 执行I 操作,修改它的a ( u) ,对v执行O操作,修改它的h ( v) ,然后规范化a ( u),h ( v) ,如此不断的重复计算下面的I操作和O操作,直到a ( u),h(v)收敛 。

其中I操作:a ( u) = Σh ( v) ;O 操作: h ( v) = Σa ( u) 。每次迭代对a ( u) 、h ( v) 进行规范化处理: a ( u) = a ( u)/Σ[ a ( q) ]2 ; h ( v) = h ( v)/Σ[ h ( q) ]2 。

伪代码

HITS算法伪代码如下

1G:= set of pages

2for eachpagepGdo

3p.auth = 1 //p.auth is the authority score of the pagep

4p.hub = 1 //p.hub is the hub score of the pagep

5functionHubsAndAuthorities(G)

6forstepfrom1tokdo// run the algorithm for k steps

7 norm = 0

8for eachpagepGdo// update all authority values first

9p.auth = 0

10for eachpageqp.gNeighborsdo//p.gNeighborsis the set of pages that lk

11p.auth +=q.hub

12 norm += square(p.auth) // calculate the sum of the squared auth values to normalise

13 norm = sqrt(norm)

14for eachpagepGdo// update the auth scores

15p.auth =p.auth / norm // normalise the auth values

16 norm = 0

17for eachpagepGdo// then update all hub values

18p.hub =

019for eachpagerp.outgogNeighborsdo//p.outgogNeighborsis the set of pages thatplks to

20p.hub +=r.auth

21 norm += square(p.hub) // calculate the sum of the squared hub values to normalise

22 norm = sqrt(norm)

23for eachpagepGdo// then update all hub values

24p.hub =p.hub / norm // normalise the hub values