網絡搜查論文：興趣地區的網絡資源搜查評估范文

本站小編為你精心準備了網絡搜查論文：興趣地區的網絡資源搜查評估參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

作者：付雯李響單位：重慶電子工程職業學院

興趣相似度的計算方法

興趣相似度反映出兩個節點存儲的文檔之間的相似關系。相似度越大就說明兩者的相似程度越高，就越有可能存儲所查詢的內容。本文中利用上述的基于向量空間的余弦法，具體的計算公式如下：本文中使用上述公式，既可以計算兩個文檔之間的相似度，或者兩個節點之間的相似度，又可以計算文檔與節點之間的相似度，由于在本文所設計的模型中，文檔與節點的特征詞向量中特征詞的個數是相同的，即都是由m決定的，因此以上公式有很好的通用性。

公式中Va，Vb可以分別表示節點A，B的興趣，也可以分別表示文檔A，B的向量，或者是節點與文檔的向量。m為特征詞的個數，Wak為特征詞tk在節點(或文檔)A中的權值，Wbk為特征詞tk在節點(或文檔)B中的權值。由此可以看出，該公式主要計算兩個節點(文檔)都含有的特征詞，當兩節點(文檔)沒有相同的特征詞時，則為0，即兩者完全不相似。本文還設置一個判斷兩節點(文檔)是否相似的閾值ΔL，用來決定后面進行的操作。

例如，當兩節點(文檔)的相似度大于閾值ΔL時，可以查詢節點的本地資源列表，或者進行路由表的更新，否則這些操作可能會被忽略。以更新路由表時，計算兩節點間的興趣相似度為例，來具體說明相似度的計算過程。假設兩節點（文檔）的興趣分別為：節點A的興趣特征向量為:(1,0.93225),(6,0.87779),(9,0.87779),(4,0.87779),(2,0.78640)；兩個節點擁有的相同特征詞為1，6，9，4。通過得到的A、B兩節點間的興趣相似度，用這個結果與ΔL相比較，即可得出兩節點是否相似。

仿真實驗及結果分析

(1)數據對象搜索的查準率(precision)和查全率(re－call)。在匹配方法上，Kad是查找與nodeID（可以理解為文件名）相匹配的文檔；IBK雖然是按照特征詞向量進行查詢，但匹配時，都是查找與全部特征詞完全相同的文檔，因此搜索的匹配機制是相同的，查準率也就是相同的。在查全率方面如圖1所示，在進行的10組查詢中，改進后的IBK算法較原Kad算法，在查全率上有不同程度的提高，經過計算可知，平均查全率由原來的0.34提高到0.61，效果明顯且穩定。這主要是由于，IBK算法是從查詢語句中提取出多個特征詞來表示一個查詢語句，并與文檔內容所提取出的特征詞相匹配，更能夠查找出潛在意義與查詢相同的文檔，實現了模糊查詢的同時，提高了查全率。

(2)搜索效率。在搜索過程中,如果減少了訪問節點數,但又不影響搜索結果,則會減少網絡帶寬的占用,提高搜索效率，所以本文用訪問節點數量的多少來衡量網絡的搜索效率。由于兩種搜索算法是根據不同的原則轉發查詢，在查詢過程中節點的訪問數量以及獲得文件的數量都會有所不同，因此無法從這兩個方面直接比較。兩種算法搜索效率的對比中可以看出，改進后的IBK算法在獲得相同文件數量的情況下，比原Kad算法中節點的訪問數量明顯減少，經計算得知從原來的平均54.2個節點減少到目前的28.1個節點。這是因為IBK算法保留了原K桶查詢機制的同時，將查詢轉發到更有可能存儲所要查詢的相似度較高的節點上去，縮短了查詢路徑提高了搜索效率。

結束語

本文將IBK將興趣與結構化P2P有效地結合，一方面保留了結構化快速定位的優點，使得IBK中的查詢能夠快速的定位到興趣相似度較高的節點，搜索效率有所提高；另一方面挖掘出節點的興趣的同時，也實現了模糊查詢，使得查全率明顯提高。通過實驗以及對結果地分析，證明了改進后的IBK搜索機制的有效性。