This paper addresses the problem of topic distillation on the World Wide Web, namely, given a typical user query to find quality documents related to the query topic. Connectivity analysis has been shown to be useful in identifying high quality pages within a topic specific graph of hyperlinked documents. The essence of our approach is to augment a previous connectivity analysis based algorithm with content analysis. We identify three problems with the existing approach and devise algorithms to tackle them. The results of a user evaluation are reported that show an improvement of precision at 10 documents by at least 45% over pure connectivity analysis.

On rappelle que l’algorithme HITS proposé par Kleinberg définit pour chaque page un “poids de pivot ” P P (hubness en anglais) et un poids d’autorité PA. On nomme M la matrice d’adjacence du graphe du web: Mu,v = 1 si la page u possède un lien vers v, Mu,v = 0 sinon. Question 1.1. Calculez P A ′ (le vecteur P A à l’itération suivante) en fonction de P A et de M, P P ′ en fonction de P P et de M. Question 1.2. Que représentent [M T × M]u,v et [M × M T]u,v? Question 1.3. Faire tourner à la main l’algorithme HITS sur le petit exemple ci-dessous.