XHITS: EXTENDING THE HITS ALGORITHM FOR DISTILLATION OF BROAD SEARCH TOPIC ON WWW

• Main Author: FRANCISCO BENJAMIM FILHO
• Other Authors: RUY LUIZ MILIDIU
• Language: Portuguese
• Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 2005
• Online Access: http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7081@1; http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=7081@2

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO === O ambiente baseado em hyperlink possui na sua topologia informações substanciais sobre o seu conteúdo. Baseado nesse tipo de ambiente, Jon Kleingerg desenvolveu um conjunto de algoritmos, popularmente conhecido como HITS (Hyperlink Induced Topic Search), que utiliza a estrutura de hyperlinks na WWW para extrair essas informações. O foco central desses algoritmos é a classificação de tópicos de busca de caráter geral na WWW, através da descoberta de páginas que representam autoridade sobre tais tópicos. Para tanto, os algoritmos formulam a noção de autoridade considerando o relacionamento, decorrente da estrutura de hyperlink, entre o conjunto de páginas que são autoridades relevantes e o conjunto de páginas que apontam para essas, denominadas de hubs. Jon Kleingerg definiu, portanto, uma relação de interdependência entre os conjuntos anteriormente citados: uma boa autoridade será uma página apontada por bons hubs e um bom hub será uma página que aponta para boas autoridades. Neste trabalho, propomos a extensão do modelo formulado por Jon Kleingerg, através da inserção de novos conceitos nas relações de interdependência entre autoridades e hubs. Assim, formulamos um algoritmo estendido, XHITS (Extended Hyperlink Induced Topic Search), que visa melhorar a classificação das autoridades do ambiente. Nessa extensão as autoridades são apontadas por bons hubs, às vezes apontadas por bons portais e também apontam para boas novidades. Os bons hubs são páginas que apontam para boas autoridades e novidades, e são apontados por bons portais. As boas novidades são páginas que são apontadas pelas boas autoridades, pelos bons hubs e pelos bons portais e bons portais são páginas que apontam para as boas autoridades, para bons hubs e para boas novidades. Adicionalmente, mostramos que o algoritmo proposto converge e também os diversos resultados experimentais que indicam a melhoria na precisão dos hiperdocumentos recuperados. === The network structure of a hyperlinked environment can be a rich source of information about the content of this environment. Jon Kleinberg developed a set of algorithms, called HITS (Hyperlink Induced Topic Search), for extracting information from the hyperlink structures of those environments. The aim of these algorithms is the distillation of broad search topics, through the discovery of related authoritative information sources. The notion of authority is based on the hyperlink structure relationship between a set of relevant authoritative pages and the set of hubs. Thus, hubs and authorities exhibit what could be called a mutually reinforcing relationship: a good hub is a page that points to many good authorities; a good authority is a page that is pointed by many good hubs. In this work, we present the XHITS (Extended Hyperlink Induced Topic Search) algorithm, an extension of the HITS algorithm by introducing new concepts on the mutually reinforcing relationship. In XHITS, a good authority is a page that is pointed by many good hubs, some good portals and points to good novels; a good hub is a page that points to many good authorities, some good novels and is pointed by some good portals; and a good novel is a page that is pointed by good authorities, some good hubs and some good portals; a good portal is a page that points to some good authorities, some good hubs and some good novels. In addition, we show that XHITS converges and, through some experiments, the improved quality of the hyper documents retrieved.