基于用户兴趣与主题相关的PageRank算法改进研究

针对传统的PageRank算法存在主题漂移、忽略用户兴趣等不足,提出一种基于用户兴趣与主题相关的PageRank改进算法——ITPR。为了更好地提高用户搜索质量,利用网页浏览时间与页面篇幅共同构建用户兴趣度因子,用线性拟合月点击量的方法预测用户兴趣度的升降,同时结合网页内容引入主题相关度因子,共同对网页PR值进行适当的修正,使其分配更为合理。仿真实验结果表明,在相同的实验环境下,改进的PageRank算法提升了网页排序质量、查准率以及用户搜索满意度。

基于用户反馈与链接关系的网页排序改进算法

为改善传统PageRank算法存在主题漂移、网页欺诈、偏向旧网页等不足,提出一种基于用户反馈与链接关系的网页排序改进算法FLPR。通过分析两网页各自链出页面的共同页面,衡量网页内容的相关程度,设计内容相关度因子;融合页面停留时间和链接点击量,设计可信度因子;添加时间相关因子,共同对PR值进行修正调整。仿真结果表明,相较传统PageRank算法和WPR算法,改进后的算法在网页排序质量、查准率以及用户满意度等方面性能均有一定程度提升。