HITS(Hyperlink—Induced Topic Search)算法主要思想:根据网页的入度与出度来衡量一个网页的重要性的,其中网页的入度指的是指向这个网页的超链接,而出度则是指的这个网页指向其他网页的超链接。如果一个网页具有很高的重要性,那么这个网页所指向的其他网页也具有较高的重要性,同时如果这个重要性高的网页被其他的网页所指,那么指向这个网页的其他网页也具有着较高的重要性。在HITS算法中将指向别的网页定义为Hub值.被指向则是定义为Authority值。
在HITS算法中通过Authority 和Hub这两个权值对网页的质量进行评估,其中Authority指的是内容权威度,表示该页面的入度值,即页面被引用的次数;Hub指的是链接权威度,表示该页面的出度值,即指向其他页面的数量。具体为:(1)一个好的Hub型网页会指向一个好的Authority网页;(2)一个好的Authority网页也会由好的Hub型网页所指向。这两个思想就是一种假设.而HITS算法正是建立在这两个假设上面的。但也正是基于这种假设让HITS算法具有较强的局限性。
算法的实现步骤:
每个页面i都有Authority值和Hub值,其中:
ai为页面i的Authority值,即:
hi为页面i的Hub值,即:
Authority的初始值为aj(0)= 1/√N,Hub的初始值为hj(0)= 1/√N。
然后按如下方式进行迭代,直到收敛:
用矩阵A(NxN)表示图的邻接矩阵,Authority和Hub分别用向量表示:a=(a1…,an),h=(h1,…,hn),那么h = A.a,a = AT . h。上述算法经过k步之后更新为:
ak= (AT.A) . ak-1
hk= (A.AT) . hk-1
经过一系列的更新计算后,HITS算法收敛到h*和a*,那么h*为AAT的主特征向量,代表页面的中心值,数值越高,页面的中心值越高。a*为ATA的主特征向量,代表页面的权威值,值越高的元素代表页面的权威值高。