[IR课程笔记]Hyperlink-Induced Topic Search(HITS)

两个假设

1. 好的hub pages: 好的对某个主题的hub pages 链接许多好的这个主题的authoritative pages.

2. 好的authoritative pages: 好的对某个主题的authoritative pages 被许多好的这个主题的hub pages链接。

注：循环定义

算法过程：

1.找出root set ：用户输入一个query，根据query中的term，在文档集中找出包含至少一个term的的文档，使他们构成root set。

2. 找出base set : 在root set的基础上，找出root set中网页链入或链出并且不在root set中的网页，并把他们加入到root set中，从而构成base set。

3.计算每一个网页的hub score h(x) 和 authoritative score a(x). h(x) = x链出的网页的a值之和。a(x) = x链入的网页的所有h值之和。（初始时，所有h值和a值均为1）

4.归一化。

5.迭代直至收敛。

6.选出top-n h值得网页作为 top hubs,选出top-n a值的网页作为top authoritives.

与Page Rank 比较：

1. 范围不同  HITS:base set     Page Rank:所有网页

2. HITS：与query有关，online    Page Rank: 与query无关，off line