搜索引擎算法研究专题六：HITS算法

HITS(Hyperlink-Induced Topic Search)是由Kleinberg在90年代末提出的基于链接分析的网页排名算法。该算法与查询相关。

　　用HITS算法评估网页质量，可得到内容权威度(Authority)和链接权威度(Hub)。内容权威度与网页自身直接提供内容信息的质量相关，网页被引用得越多，其内容权威度越高;而链接权威度与网页提供的超链接的质量相关，引用内容质量高的网页越多，网页的链接权威度越高。

　　一个好中心网页应该指向很多权威性网页，而一个好的权威性网页则应该被很多好的中心性网页所指向。对整个Web集合而言，Authority和Hub是相互依赖、相互加强、相互优化的关系，这是HITS算法的基础。

　　HITS算法的施行是“迭代—收敛”的过程，即网页A链接权威度的数值是通过其链向的网页的内容权威度决定的，而网页A的内容权威度的数值则是由链向其的网页的链接权威度决定的。Authority和hub的值相互递归定义，即authority的值是指向给页面的hub值之和，而hub的值则是该页面指向的页面的authority值之和。

　　每个节点的Hub和Authority的值用下述算法计算：

　　赋予每个节点的hub值和authority值都为1。运行Authority更新规则。运行Hub更新规则。Normalize数值，即每个节点的Hub值除所有Hub值之和，每个Authority值除所有Authority值之和。必要时从第二步开始重复。

　　在实施中还要考虑被链接页面的相关性。该算法要完成一系列迭代过程，每个迭代过程包含两个基本步骤：

　　Authority值更新：更新每个节点的Authority值，为该节点指向的Hub的数值之和。即由信息Hubs链接的节点被赋予了高authority值。Hub值更新：更新每个节点的Hub值，使之等于它指向的每个节点的Authority值之和。即通过链接到同一主题的authorities节点的节点被赋予了高hub值。

　　因在上述伪代码中，hub和authority的值不收敛，有必要限制该算法的迭代步数。方法之一是，在每步之后规范化hub和authority的值，即通过：dividingeach authority value by the sum of all authority values, and dividing each hubvalue by the sum of all hub values.

　　与PageRank相似，HITS也是基于Web文档链接的迭代算法，然而也有一些重要差别：

　　它是在查询时执行，而不是在建立索引时执行，与查询性能如时间等相关。因此，赋予页面的hub和authority权值也是query-specific。 它不是搜索引擎通用的技术(虽然据说Ask.com使用了相似的算法)。它计算了文档的两种权重即hub和authority，而非一种权重。它只处理相关文档的很小子集，而PageRank针对文档全集。