基于HITS算法的商务英语文本语域特征研究

在分析文本语域特征时,由于缺乏对文本信息之间关系的分析,导致特征分析结果的可靠性较低,为此,提出基于HITS算法的商务英语文本语域特征研究。利用HITS算法建立商务英语文本信息之间的链接关系,并借助中心值和权威值对文本中的型符信息和类符信息进行综合表述。在语域特征分析阶段,以最大信息链接关系强度为基础,对信息交互关联性进行归一化处理,根据信息关联强度与对应语域特征子库的匹配程度,实现对商务英语文本语域特征的分析。在测试结果中,设计方法对于语域特征分析的t检验结果表明,其可以实现对文本语域特征的准确分析。

加权HITS算法在论文评价指标中的应用

论文对HITS算法进行了改进,提出加权HITS算法,将HITS算法的论文Authority值、加权HITS算法的论文Authority值与论文被引次数进行对比,讨论了三种评价方法用于论文评价的区别与优缺点。所得结果表明,加权HITS算法可大大降低HITS算法的TKC(Tightly-Knit Community Effect)效应,加权HITS算法相比于HITS算法可以更加准确地评估学术论文质量;加权HITS算法因不仅考虑了论文被引次数,还考虑了被引论文质量,相比于论文被引次数指标可以更加全面地评价一篇论文的学术影响力。

融合Hits改进算法的意见领袖挖掘方法

微博逐渐成为舆论传播的重要载体,网络舆情中的意见领袖在舆情传播过程中发挥着推动作用,挖掘微博中的意见领袖对于管理社交网络舆情十分必要。综合考虑微博用户在网络中的转发评论等行为,构建微博用户“转发-评论”双层网络,通过引入用户交互行为的影响力贡献因子以及权重因子挖掘用户的影响力,提出基于Hits改进算法构建微博用户影响力评估算法。实验结果表明,该模型的F-score综合指标得分优于PageRank算法、Hits算法,能够更加准确地识别微博社区话题中的意见领袖,有效计算微博用户的实际影响力,更加准确有效地识别出微博社区某一话题中的意见领袖,为社交网络治理及网络舆情管理等方面提供参考。

基于HITS算法的电商评论产品特征抽取

随着电子商务的快速发展,海量的评论数据中所蕴含的产品特征和用户的观点信息可以用来帮助商家挖掘潜在的客户和改进商品的质量和性能。特征抽取是分析在线评论信息的一个重要环节。现有的特征提取方法大多使用句子中词语之间的依赖关系进行提取。但是现有的方法普遍存在两方面的问题:①抽取的结果存在很多无关特征值;②实验结果准确率较低。本文使用双向传播算法来抽取在线评论中的产品特征和用户观点。为了提高特征抽取的准确性,文章利用 Hyperlink-Induced Topic Search(HITS“) 基于超链接的主题搜索”算法对抽取的候选产品特征进行排序。最后以京东商品的在线评论为实验案例,对比只使用双向传播算法对产品特征进行抽取的结果,文章的实验结果验证了该方法的有效性。

HITS算法与PageRank算法比较分析

对HITS算法作了比较详细的介绍 ,并且与PageRank算法在设计思想、权重传播模型、数据处理量及适用范围等方面进行了比较分析。

一种更稳定的链接分析算法——子空间HITS算法

在给定超链接情况下,Kleinberg的HITS算法采用特征向量的办法来确定页面的权威性等级.通过分析当链接模式发生小的变化时算法的稳定性,提出一种新的算法——子空间HITS算法,并通过Web超链接数据作为实验数据对其性能进行研究.

基于扩散理论的HITS算法在Web挖掘中的研究与优化

传统的HITS算法单纯地对网页的链接结构进行分析,忽视了页面内容分析和网页的链接增幅,导致了主题偏离和搜索精度不高的问题。针对上述问题进行研究与分析,将超链接信息检索方法与页面内容相结合,根据优先情节和增长定律,提出了一种改进的基于扩散理论的HITS算法。实验结果表明,与传统的HITS和SALSA算法相比,该HITS算法能够有效地限制主题偏离,提高搜索精度,具有较高的实用价值。

基于Web链接分析的HITS算法研究与改进

垂直搜索引擎的主题搜索策略有基于内容评价的搜索策略和基于Web链接分析的搜索策略,其中HITS算法是一种经典的基于Web链接分析的搜索策略,其主要的缺点是容易发生主题漂移。为了最大程度地避免主题漂移,提出了一种结合网页文本分析和扩散速率改进的F-HITS算法。实验结果表明,这些改进不仅节省了系统的开销,并且提高了页面搜索的准确率。

Web结构分析算法HITS的改进及应用

在网络环境下,传统检索技术不可避免地存在种种不足,而超链分析技术可以直接或间接地解决这些问题。该文在介绍网络结构的基础上,描述了已有的HITS算法及其改进策略,并提出了该算法的简单实现架构。HITS算法着眼于挖掘超链间的潜在语义关系,有助于 在更深层次上挖掘Web中蕴含的语义信息。

基于PageRank和HITS的Web结构挖掘算法研究

在对Web结构挖掘的典型算法探讨的基础上,提出了一种PageRank算法和HITS算法相结合的改进算法,并对该算法进行了简要分析。

基于PageRank和HITS的Web搜索

介绍了目前应用较为广泛的两种算法——PageRank算法和HITS算法。PageRank算法是基于用户随机的向前浏览网页的直觉知识,HITS算法考虑的是Authoritive网页和Hub网页间的加强关系。PageRank算法的基本思想是:如果一个页面被许多其他页面引用,则这个页面很可能是重要页面;一个页面尽管没有被多次引用,但被一个重要页面引用,那么这个页面很可能也是重要页面;一个页面的重要性被均分并传递到它所引用的页面。而HITS算法则专注于改善泛指主题检索的结果,通过一定的计算(迭代计算)方法以得到针对某个检索提问的最具价值的网页,即排名最高的authority。

基于HITS与MPA算法结合的关键文献确定方法研究

从海量文献中确定关键文献,为科研人员的研究提供便利是图书情报工作的重要目的之一,现有的文献计量方法在解决相关问题上缺乏有力的解决方案。本文以小世界研究的大量文献为例,利用HITS算法和MPA算法,从网络整体中依据不同的分析指标确定关键文献。通过研究发现,这两种算法结合使用能够迅速的发现关键文献,科研人员能够较快把握研究主题的主要内容。

基于HITS算法对Web数据挖掘技术改进研究

Web是一个巨大的信息资源库,在信息爆炸而知识缺乏下,如何从Web中挖掘有用的知识,已经成为目前数据挖掘的热点。HITS算法是进行权威面页挖掘的一种最权威、最广泛的算法。为了有效进行数据挖掘,文章在分析了传统的HITS算法基础之上,提出采用基本集缩减法对HITS算法进行改进过程,通过实验得到了更快,更准确的Web数据挖掘。

基于最大流HITS的改进算法

HITS是一种经典的链接分析算法,其主要问题是容易发生主题漂移。针对这一问题,提出了一种改进的算法:MCHITS。MCHITS利用最大流算法对HITS进行改进:首先将root集扩展两层,然后将root中的结点作为种子结点通过最大流最小割算法发现以root集为中心的社区,社区中的页面作为MC-base集。实验结果表明MCHITS提高了查询结果的相关度,减少了主题漂移的发生。

基于相似主题和HITS的微博用户推荐算法研究

为了准确地为微博用户推荐相近兴趣领域的重要用户,有效提高用户对微博平台的依赖度。该文对传统的HITS算法进行了改进:通过分析微博用户社交网络结构,运用改进算法将微博用户划分为3类,在微博主题相似度计算中引入用户的权威度和中心度,最后根据用户类别进行微博用户推荐。实验中,使用爬取的微博数据对传统的推荐算法和该文的改进算法进行对比实验,由于所提算法在分析过程中考虑了用户结构信息、用户的权威度与中心度等多种因素,因而在准确率、召回率、F1值上均有明显提高。

基于PageRank,HITS和SALSA算法的学术论文评价

科技论文评价对于科研工作者的评价以及相关科研管理工作至关重要。利用PageRank、HITS和SALSA算法进行了"图书馆与信息科学"领域的论文排序实验,比较了不同算法排序列表前100共同论文数和Spearman相关系数,讨论了不同算法特性对排序结果的影响,最后讨论了不同算法的优缺点、适用范围。

应用HITS算法对文本聚类结果进行类别描述的可行性分析

介绍HITS算法的基本思想和执行方法,提取出聚类结果中每一类的特征词,基于HITS算法客观地描述聚类分析结果,分析其可行性并进行应用尝试。实践证明利用该算法进行聚类结果特征提取切实可行。

Web结构挖掘中HITS算法改进的研究

随着Internet技术的发展,Web网页成为人们获取信息的有效途径,Web数据挖掘逐渐成为国内外研究的热点。基于Web结构挖掘中HITS算法只考虑页面之间的链接关系而忽视了页面的具体内容,在这种情况下容易出现主题偏离[1]现象,影响了搜索结果,为了抑制主题偏离现象,本文把超链接信息检索方法与页面内容相结合,提出了一种改进的算法。实验结果证明改进的算法较原算法具有较好的效果,有效的抑制了主题偏离现象,具有一定的实用价值。

基于Timed-HITS与协同过滤的混合推荐算法

用户间的信任关系、用户对商品的偏好兴趣及商品的时效性都会影响对商品的推荐效果.将这些因素引入到基本的HITS算法中,对HITS算法进行了改进.将用户对商品的偏好兴趣矩阵进行了改进,利用隐馈数据通过逻辑回归算法估计用户对商品的偏好兴趣,对评分为零的情况赋予了不同的偏好兴趣度,这样更符合实际.将改进的HITS算法和协同过滤算法相结合得到一个混合推荐算法,同时将用户分为活跃用户和非活跃用户分别进行推荐.将提出的算法在Movielens数据集上进行了试验,结果表明该算法在一定程度上缓解了数据稀疏和冷启动的问题,推荐效果优于基于用户的协同过滤算法.

一种基于文本内容的HITS改进算法

HITS算法是WEB结构挖掘中一种经典的链接分析算法,其主要问题是容易发生主题漂移。针对这一问题,提出了一种基于文本内容和链接分析相结合的改进算法。实验证明改进后的算法提高了查询结果的相关度,减少了主题漂移的发生。