ハブページを活用して信頼できるWebページを見つける方法とは？

ハブ（Hub）とは、信頼性の高いページ（オーサリティ／Authority）へのリンクをまとめて提供するWebページのことです。ハブページ自体は必ずしも有名なページである必要はなく、ほとんど被リンクがない場合もあります。しかし、特定のテーマに関する著名なサイトへのリンク集として機能する点が大きな特徴です。

具体例としては、個人ホームページに掲載されたおすすめリンク集、大学の講義ページで紹介されている参考文献サイトの一覧、商用サイトで専門家によって体系的に整理されたリソース集などが挙げられます。ハブページは、特定のトピックに対して暗黙的に「権威」を与える重要な役割を担っています。

ハブとオーサリティの相互強化関係

一般的に、良いハブとは複数の優れたオーサリティへリンクを張っているページであり、良いオーサリティとは複数の優れたハブから参照されているページです。この相互強化の関係性により、権威あるWebページの発掘や、高品質なWeb構造・リソースの自動的な発見が可能になります。

HITSアルゴリズムの仕組み

ハブを活用した代表的なアルゴリズムが、HITS（Hyperlink-Induced Topic Search）です。その処理の流れは以下の通りです。

1. ルートセット（コアセット）の収集

まず、検索クエリのキーワードをもとに、インデックス型検索エンジンから約200ページ程度の初期集合を収集します。これらのページがルートセット（根集合）となります。

2. ベースセットへの拡張

検索トピックに関連するページの中には、主要なオーサリティへのリンクを多数含むものがあります。そこで、ルートセット内のページがリンクしている先のページと、ルートセット内のページへ向けてリンクしているページを追加し、ベースセットへ拡張します。規模の目安は1,000〜5,000ページ程度です。

3. 重み伝播による評価

次に、重み伝播（Weight Propagation）処理を実行します。この反復計算フェーズでは、各ページのハブ重みとオーサリティ重みの統計的な推定値が算出されます。なお、同一ドメイン内（URLの第一階層が同じ）のページ間リンクはナビゲーション目的とみなされ、権威を与えるものではないため、重み伝播の分析対象からは除外されます。

GoogleのPageRankとの共通点

GoogleのPageRankも、同様の原理に基づくアルゴリズムです。Web上のリンク構造とテキスト情報を活用することで、こうしたシステムはAltaVistaのような語句インデックス型検索エンジンの結果や、Yahoo!における人手による分類作業よりも高品質な検索結果を提供できることが実証されています。

リンク解析を支える2つの前提条件

リンク解析アルゴリズムは、次の2つの仮定に基づいています。

前提1：リンクは人間による推薦を意味する
ページAからページBへのリンクがあり、両者が異なる作成者によるものであれば、そのリンクは「ページAの作者がページBを有用だと判断した」ことを示します。したがって、ページの重要度は、そのページがリンクを張った先へと伝播すると考えられます。

前提2：同じページから引用されたページは互いに関連する
同一のページから同時に参照（共引用）されているページ同士は、同じ主題に関連している可能性が高いと考えられます。