خوارزمية HITS

استُخدمت طرق عديدة لتصنيف أهمية المجلات العلمية، ومنها معامل تأثير غارفيلد . فمجلات مثل "ساينس" و "نيتشر" تحظى بعدد كبير من الاستشهادات، مما يجعل لها معامل تأثير مرتفعًا جدًا. لذا، عند مقارنة مجلتين أقل شهرة حصلتا على عدد متقارب من الاستشهادات، ولكن إحداهما حظيت باستشهادات كثيرة من " ساينس" و "نيتشر" ، يجب تصنيفها في مرتبة أعلى. بعبارة أخرى، من الأفضل الحصول على استشهادات من مجلة مهمة بدلًا من مجلة غير مهمة. ^{[ 2 ]}

تحدث هذه الظاهرة أيضًا على الإنترنت . يُمكن أن يُعطينا حساب عدد الروابط المؤدية إلى صفحة ما تقديرًا عامًا لأهميتها على الويب، ولكن قد تكون الصفحة التي تحتوي على عدد قليل جدًا من الروابط الواردة بارزة أيضًا، إذا كان اثنان من هذه الروابط يأتيان من الصفحات الرئيسية لمواقع مثل ياهو! أو جوجل أو إم إس إن . ولأن هذه المواقع ذات أهمية بالغة، فضلًا عن كونها محركات بحث ، فقد تُصنّف الصفحة في مرتبة أعلى بكثير من أهميتها الفعلية.

في خوارزمية HITS، تتمثل الخطوة الأولى في استرجاع الصفحات الأكثر صلةً باستعلام البحث. تُسمى هذه المجموعة بالمجموعة الجذرية ، ويمكن الحصول عليها من خلال اختيار الصفحات الأولى التي تُعيدها خوارزمية بحث نصية . تُنشأ مجموعة أساسية بتوسيع المجموعة الجذرية لتشمل جميع صفحات الويب المرتبطة بها وبعض الصفحات التي ترتبط بها. تُشكل صفحات الويب في المجموعة الأساسية وجميع الروابط التشعبية بينها رسمًا بيانيًا فرعيًا مركّزًا. تُجرى حسابات HITS على هذا الرسم البياني الفرعي المركّز فقط . ووفقًا لكلاينبرغ، فإن الغرض من إنشاء مجموعة أساسية هو ضمان تضمين معظم (أو العديد من) المصادر الموثوقة.

تُعرَّف قيمتا السلطة والمحور بدلالة بعضهما البعض في علاقة تكرارية متبادلة . تُحسب قيمة السلطة كمجموع قيم المحور المُقاسة التي تُشير إلى تلك الصفحة. أما قيمة المحور فهي مجموع قيم السلطة المُقاسة للصفحات التي تُشير إليها. وتأخذ بعض التطبيقات في الاعتبار أيضًا مدى صلة الصفحات المرتبطة.

تُجري الخوارزمية سلسلة من التكرارات، تتكون كل منها من خطوتين أساسيتين:

• تحديث مستوى السلطة : يتم تحديث مستوى سلطة كل عقدة ليصبح مساوياً لمجموع نقاط سلطة كل عقدة تشير إليها. أي أن العقدة تحصل على مستوى سلطة عالٍ عند ربطها بصفحات معترف بها كمراكز معلومات.
• تحديث المركز : يتم تحديث درجة مركز كل عقدة لتكون مساوية لمجموع درجات سلطة كل عقدة تشير إليها. أي أن العقدة تحصل على درجة مركز عالية من خلال ربطها بعقد تُعتبر مرجعيات في الموضوع.

يتم حساب درجة المركز ودرجة السلطة للعقدة باستخدام الخوارزمية التالية:

• ابدأ بكل عقدة بحيث يكون لكل عقدة درجة مركزية ودرجة سلطة تساوي 1.
• قم بتشغيل قاعدة تحديث الصلاحيات
• قم بتشغيل قاعدة تحديث المركز
• قم بتطبيع القيم عن طريق قسمة كل درجة مركزية على الجذر التربيعي لمجموع مربعات جميع درجات المركز، وقسمة كل درجة سلطة على الجذر التربيعي لمجموع مربعات جميع درجات السلطة.
• كرر الخطوات من الخطوة الثانية حسب الحاجة.

تعتمد خوارزمية HITS، مثل خوارزمية PageRank الخاصة بـ Page و Brin ، على خوارزمية تكرارية تستند إلى ربط المستندات على الويب . ومع ذلك، فهي تختلف عنها في بعض الجوانب الرئيسية:

• تتم معالجتها على مجموعة فرعية صغيرة من المستندات "ذات الصلة" (مجموعة فرعية مركزة أو مجموعة أساسية)، بدلاً من مجموعة جميع المستندات كما كان الحال مع PageRank.
• يعتمد ذلك على الاستعلام: يمكن أن تحصل الصفحة نفسها على درجة مركزية/سلطة مختلفة بالنظر إلى مجموعة أساسية مختلفة، والتي تظهر لاستعلام مختلف؛
• يجب، كنتيجة طبيعية، تنفيذه في وقت الاستعلام، وليس في وقت الفهرسة، مع الانخفاض المصاحب في الأداء الذي يصاحب معالجة وقت الاستعلام.
• يقوم بحساب درجتين لكل وثيقة (المركز والسلطة) بدلاً من درجة واحدة؛
• لا يتم استخدامه بشكل شائع من قبل محركات البحث (على الرغم من أنه قيل أن خوارزمية مماثلة تستخدمها Teoma ، التي استحوذت عليها Ask Jeeves/Ask.com ).

لكل${\displaystyle p}$نقوم بالتحديث${\displaystyle \mathrm {auth} (ص)}$ل${\displaystyle \mathrm {auth} (p)=\displaystyle \sum \nolimits _{q\in P_{\mathrm {to} }}\mathrm {hub} (q)}$أين${\displaystyle P_{\mathrm {to} }}$جميع الصفحات التي ترتبط بالصفحة${\displaystyle p}$أي أن درجة سلطة الصفحة هي مجموع جميع درجات المحور للصفحات التي تشير إليها.

لكل${\displaystyle p}$نقوم بالتحديث${\displaystyle \mathrm {hub} (ع)}$ل${\displaystyle \mathrm {hub} (p)=\displaystyle \sum \nolimits _{q\in P_{\mathrm {from} }}\mathrm {auth} (q)}$أين${\displaystyle P_{\mathrm {from} }}$هل جميع الصفحات هي أي صفحة؟${\displaystyle p}$الروابط إلى. أي أن درجة مركز الصفحة هي مجموع جميع درجات السلطة للصفحات التي تشير إليها.

تُحدد درجات سلطة المركز النهائية للعُقد بعد عدد لا نهائي من تكرارات الخوارزمية. ولأن تطبيق قاعدة تحديث المركز وقاعدة تحديث السلطة بشكل مباشر وتكراري يؤدي إلى قيم متباينة، فمن الضروري تطبيع المصفوفة بعد كل تكرار. وبالتالي، ستتقارب القيم المُستخلصة من هذه العملية في النهاية.