结构挖掘中web有向图模型的改进算法

本文研究了现有的web结构挖掘系统，并在对其核心算法PageRank和HITS中所存在的问题作了详细分析，主要是对每个网页定义这三个参数：PageRank、Authority，Hub，并进行分析，并提出了自己的改进算法。     

Web结构挖掘算法研究

分析了Web结构挖掘算法PageRank和HITS,并对二者进行了比较,指出它们所存在的问题,提出了一种PageRank的改进算法。     

利用语义进行Web结构挖掘

本文论述了利用语义挖掘Web结构、Web使用挖掘进行了基于语义挖掘方法的探讨,并对PageRank算法进行了分析,针对该算法的不足之处进行了改进。     

利用语义进行Web结构挖掘

本文论述了利用语义挖掘Web结构、Web使用挖掘进行了基于语义挖掘方法的探讨，并对PageRank算法进行了分析，针对该算法的不足之处进行了改进。     

基于PageRank的页面排序改进算法

首先对PageRank算法进行了一般性介绍,研究了现有的基于链接结构的改进算法.在此基础上,指出PageRank算法给不同网页分配相同的Pagegank值影响了网页的排序质量,提出了一种基于多层分类技术的改进算法HCPR,并对PageRank和HCPR算法进行了相应测试和比较.实验结果表明,HCPR的排序结果比PageRank提高了约15.3%的相关度.     

能见度与缺失分析的改进PageRank算法

本文在对PageRank进行分析的基础上,提出了基于链接能见度和缺失分析的改进PageRank算法,该算法根据链接不同特性赋予它不同的点击概率,同时分析了缺失率产生的原因并提出相关改进措施.通过试验系统的收集了四个数据集合上证明该算法较原PageRank在缺失率上会下降,且计算性能效率会提高.     

基于模糊关系合成的HITS算法的改进

从Web结构挖掘的角度出发,比较了基于链接结构分析的PageRank和HITS 2个经典算法,针对HITS单纯利用链接,忽略主题相关性问题,利用模糊关系的合成,得到页面与查询词之间的模糊隶属关系,对原有的HITS算法进行改进.实例验证了算法的有效性.     

Dijkstra算法在Web结构挖掘的应用

该文从Web结构挖掘角度出发,利用概率论分析了Web结构挖掘的PageRank算法,得出挖掘结果,最后介绍Dijkstra算法在其挖掘结果的应用。     

PageRank技术在智能系统中的应用

知识获取是智能系统发展的关键技术.本文分析了PageRank技术特点,采用PageRank技术解决智能系统中知识获取的效率问题,把改进了的PageRank技术应用于智能系统中,并构建一个简易的问答系统来验证PageRank技术的作用.     

基于Web结构挖掘算法的网站构建

Web结构挖掘是对Web的链接结构进行分析。该文概述Web结构挖掘技术,列举其常见算法。并对PageRank和HITS这两种最重要的Web结构挖掘算法分析比较。通过对算法规律的研究,指出在网站设计规划时的策略以提高网站的价值。