[ 2007/04/10 15:29 | by Sangern King ]
HITS算法是由Kleinberg在90年代末提出的一種鏈接分析算法，與隨后我們將介紹的PageRank等實(shí)用性算法不同，HITS算法更大程度上是一種實(shí)驗(yàn)性質(zhì)的嘗試。它必須在網(wǎng)絡(luò)信息檢索系統(tǒng)進(jìn)行面向內(nèi)容的檢索操作之后，基于內(nèi)容檢索的結(jié)果頁面及其直接相連的頁面之間的鏈接關(guān)系進(jìn)行計(jì)算。這使得在實(shí)際應(yīng)用環(huán)境中使用HITS算法變得十分困難，盡管有人嘗試通過算法改進(jìn)和專門設(shè)立鏈接結(jié)構(gòu)計(jì)算服務(wù)器（Connectivity Server）等操作，可以實(shí)現(xiàn)一定程度的在線實(shí)時計(jì)算，但這對于每天要處理超過幾十億次用戶需求的商用搜索引擎而言，這樣的計(jì)算代價仍然是不可接受的。

盡管如此，但HITS算法仍在學(xué)術(shù)界和產(chǎn)業(yè)界都獲得了非常多的關(guān)注，IBM公司甚至基于改進(jìn)后的HITS算法開發(fā)了專門的檢索應(yīng)用系統(tǒng)Clever系統(tǒng)（盡管此系統(tǒng)并沒有投入真實(shí)的網(wǎng)絡(luò)信息檢索服務(wù)）。這是與HITS算法設(shè)計(jì)本身所具有的高度的數(shù)學(xué)嚴(yán)謹(jǐn)性相關(guān)的，但更重要的，是因?yàn)镠ITS算法的設(shè)計(jì)符合網(wǎng)絡(luò)用戶評價網(wǎng)絡(luò)資源質(zhì)量的普遍標(biāo)準(zhǔn)，因此能夠?yàn)橛脩舾玫睦镁W(wǎng)絡(luò)信息檢索工具訪問互聯(lián)網(wǎng)資源帶來便利。

HITS算法對網(wǎng)頁進(jìn)行質(zhì)量評估的結(jié)果反映在它對每個網(wǎng)頁給出的兩個評價數(shù)值——內(nèi)容權(quán)威度（Authority）和鏈接權(quán)威度（Hub）上。

內(nèi)容權(quán)威度與網(wǎng)頁自身直接提供內(nèi)容信息的質(zhì)量相關(guān)，被越多網(wǎng)頁所引用的網(wǎng)頁，其內(nèi)容權(quán)威度越高；與之相對應(yīng)的，鏈接權(quán)威度與網(wǎng)頁提供的超鏈接的質(zhì)量相關(guān)，引用越多內(nèi)容質(zhì)量高網(wǎng)頁的網(wǎng)頁，其鏈接權(quán)威度越高。如果我們把一個內(nèi)容權(quán)威度高的網(wǎng)頁比作一個味道不錯的飯館的話，那么鏈接權(quán)威度高的網(wǎng)頁就是旅游雜志中美食家撰寫的一篇推薦飲食地點(diǎn)的文章。

由于網(wǎng)絡(luò)信息檢索所面臨的數(shù)據(jù)對象即萬維網(wǎng)數(shù)據(jù)具有極為繁雜的數(shù)據(jù)規(guī)模，因此，用戶所涉及到的絕大多數(shù)查詢主題都會返回?cái)?shù)量繁多的相關(guān)查詢結(jié)果。面對數(shù)目動輒上千上萬的相關(guān)結(jié)果集合，絕大多數(shù)用戶會傾向于查找出結(jié)果集合中對自己獲取信息最有價值的那一部分網(wǎng)頁。HITS算法所解決的正是這一問題：它所施行的數(shù)據(jù)集合，就是網(wǎng)絡(luò)信息檢索工具返回的與查詢主題相關(guān)的結(jié)果集合，而其輸出的結(jié)果，就是對此結(jié)果集合中網(wǎng)頁的內(nèi)容權(quán)威度和鏈接權(quán)威度的評價。HITS算法因而被認(rèn)為能夠極大地改善用戶的檢索體驗(yàn)，也得到了眾多研究人員的關(guān)注。

從具體施行步驟而言，HITS算法的施行是一個“迭代—收斂”的過程，由于具體的算法流程比較復(fù)雜，我們不準(zhǔn)備詳細(xì)描述其運(yùn)行過程，只是說明：網(wǎng)頁A鏈接權(quán)威度的數(shù)值是通過其鏈向的網(wǎng)頁的內(nèi)容權(quán)威度決定的，而網(wǎng)頁A的內(nèi)容權(quán)威度的數(shù)值則是由鏈向其的網(wǎng)頁的鏈接權(quán)威度所決定的。是不是有點(diǎn)像雞生蛋與蛋生雞的關(guān)系呢？

HITS算法在特定的應(yīng)用環(huán)境中取得了一定的成功，如在Chakrabarti等基于HITS算法的小規(guī)模試驗(yàn)嘗試中，研究者獲得了超過Yahoo!和AltaVista手工分類結(jié)果的檢索性能，但其實(shí)驗(yàn)數(shù)據(jù)的規(guī)模較小，實(shí)驗(yàn)結(jié)果測試集合的標(biāo)注也缺乏足夠的客觀性。

HITS算法的施行對象及其迭代算法的本質(zhì)決定了其不可能在網(wǎng)絡(luò)信息檢索系統(tǒng)中取得大規(guī)模的應(yīng)用。而更多的基于實(shí)際網(wǎng)絡(luò)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果證明，這個算法本身在挑選內(nèi)容或鏈接質(zhì)量較高的頁面時也并非格外有效，究其原因而言，大致包括以下幾點(diǎn)：

A. 站點(diǎn)內(nèi)部網(wǎng)頁在權(quán)威度數(shù)值上的的相互加強(qiáng)；
B. 網(wǎng)頁輔助制作工具自動生成的鏈接條目的干擾；
C. 與主題無關(guān)的網(wǎng)頁或者主題漂移。

針對上述缺點(diǎn)， Bharat等人對HITS算法進(jìn)行了相關(guān)的修改，具體內(nèi)容包括忽略站點(diǎn)內(nèi)部的鏈接、或者利用網(wǎng)頁的內(nèi)容相似度對Hub/Authority值進(jìn)行初始化等。這些改進(jìn)獲得了有限的成功，但從算法的核心思想而言與HITS并沒有實(shí)質(zhì)的改變，因此在此不再贅述。