Applying site information to information retrieval from the Web
Applying site information to information retrieval from the Web
复制标题
将站点信息应用于 Web 信息检索
DOI：
10.1109/wise.2002.1181646
复制
发表时间：
2002
期刊：
影响因子：
--
通讯作者：
M. Kitsuregawa
中科院分区：
文献类型：
--
作者：
Yasuhito Asano;H. Imai;Masashi Toyoda;M. Kitsuregawa
近年来，已经开发了几种使用关于Web链接的信息的信息检索方法，例如HITS和拖网。为了分析划分为每个Web站点内部的链接（本地链接）和Web站点之间的链接（全局链接）以用于信息检索的Web链接，需要适当的Web站点模型。在现有的研究中，Web服务器被用作Web站点的模型。当一个Web站点对应于一个服务器时，这种想法工作得相对较好，就像公共Web站点的情况一样，但是当多个Web站点对应于一个服务器时，这种想法工作得很差，就像租用Web服务器上的私有Web站点的情况一样。我们提出了一种新的模型的网站，“基于目录的网站”，以处理典型的私人网站，和一种方法来识别他们使用的URL和Web链接的信息。我们验证了该方法可以以超过110，000台服务器中66%的速度大约识别每个服务器是否有多个基于目录的网站，并通过使用jp的计算实验提取超过500，000个基于目录的网站和400万个全局链接域名URL和Web链接数据包含超过2300万个URL和1亿个Web链接，2000年7月至8月，由丰田和Kitsuregawa收集。我们还提出了一个新的框架，基于Web链接的信息检索，使用基于目录的网站和全球链接，而不是网页和整个Web链接分别，并检查我们的框架的有效性进行比较，拖网在我们的框架上的一个现有的框架。
In recent years, several information retrieval methods using information about Web-links have been developed, such as HITS and trawling. In order to analyze Web-links dividing into links inside each Web site (local-links) and links between Web sites (global-links)for information retrieval, a proper model of the Web site is required. In existing research, a Web server is used as a model of the Web site. This idea works relatively well when a Web site corresponds to a server, as is the case for public Web sites, but works poorly when multiple Web sites correspond to a server, as is the case for private Web sites on rental Web servers. We propose a new model of the Web site, "directory-based site", to handle typical private sites, and a method to identify them using information about the URL and Web-links. We verify the method can approximately identify, at a rate of 66% of over 110,000 servers, whether each server has multiple directory-based sites or not, and extract over 500,000 directory-based sites and 4 million global-links by computational experiments using jp-domain URLs and Web-link data contains over 23 million URLs and 100 million Web-links, collected from July to August 2000, by Toyoda and Kitsuregawa. We also propose a new framework of Web-link based information retrieval that uses directory-based sites and global-links instead of Web pages and whole Web-links respectively, and examine the effectiveness of our framework by comparing a result of trawling on our framework to one on the existing framework.