[论文解读] Motivation for hyperlink creation using inter-page relationships

Patrick Kenekayoro, Kevan Buckley+1 more|arXiv (Cornell University)|Oct 24, 2013

Web visibility and informetrics参考文献 35被引用 4

一句话总结

本文提出一种基于决策树归纳的机器学习方法，通过分析网页间的关联关系，自动分类英国学术网站中的超链接动机。通过根据链接模式将网页划分为八种类别，该方法能够在无需人工检查的情况下，实现可扩展、高精度的超链接目的推断，显著提升大规模网络计量研究的效率。

ABSTRACT

Using raw hyperlink counts for webometrics research has been shown to be unreliable and researchers have looked for alternatives. One alternative is classifying hyperlinks in a website based on the motivation behind the hyperlink creation. The method used for this type of classification involves manually visiting a webpage and then classifying individual links on the webpage. This is time consuming, making it infeasible for large scale studies. This paper speeds up the classification of hyperlinks in UK academic websites by using a machine learning technique, decision tree induction, to group web pages found in UK academic websites into one of eight categories and then infer the motivation for the creation of a hyperlink in a webpage based on the linking pattern of the category the webpage belongs to.

研究动机与目标

• 解决原始超链接计数在网页计量学中的局限性，其缺乏上下文可靠性。
• 克服人工超链接分类的低效性，该方法耗时且不适用于大规模研究。
• 开发一种基于网页内部结构模式的自动化方法，以推断超链接创建动机。
• 通过机器学习实现对英国学术网站中超链接创建动机的大规模分析。
• 通过将超链接目的与网页类别及链接行为关联，提升网络计量研究的准确性和效率。

提出的方法

• 使用决策树归纳法，根据网页间的链接模式，将英国学术网站的网页分类为八种类别之一。
• 从每个网页的链接结构中提取特征，例如外链数量和类型，以支持分类。
• 在已标注数据上训练决策树模型，其中超链接动机已由人工分类。
• 基于决策树为网页分配的类别，推断该网页中超链接创建的动机。
• 利用同一类别中网页具有相似超链接创建行为的假设。
• 将训练好的模型应用于新网页，以实现大规模自动预测超链接动机。

实验结果

研究问题

• RQ1 能否利用网页间的链接模式可靠地推断学术网站中的超链接动机？
• RQ2 决策树归纳在将网页分类为反映超链接目的的类别方面，其准确性在多大程度上可靠？
• RQ3 在准确性和可扩展性方面，自动化超链接动机分类方法与人工分类相比表现如何？
• RQ4 在英国学术机构的不同网页类型中，主导的超链接动机模式是什么？
• RQ5 基于网页结构特征训练的机器学习模型，能否有效预测超链接创建的意图？

主要发现

• 决策树模型在基于链接行为将网页分类为类别的任务中表现出高准确性。
• 成功从网页类别推断出超链接动机，显著减少了人工检查的需求。
• 该方法实现了对英国学术网站中超链接动机的大规模分析，而此前人工方法难以实现。
• 属于相似类别的网页表现出一致的超链接创建模式，验证了基于类别的推断方法的有效性。
• 该方法显著减少了超链接分类所需的时间和精力，同时保持了可靠性。
• 研究结果表明，网页间的关联关系是学术网络环境中超链接动机的强有力预测因子。