適用于文本信息推薦的用戶興趣模型構(gòu)建與更新方法.pdf

1、隨著用戶需求的多樣化,個(gè)性化推薦系統(tǒng)不僅用于電子商務(wù),也用于推薦網(wǎng)頁(yè)、電影、文本等。為了讓人們方便準(zhǔn)確地獲得需要的文獻(xiàn),研究基于文本信息的推薦技術(shù)成為必要。文本信息推薦系統(tǒng)的功能是收集和分析用戶歷史閱讀過(guò)的感興趣文本,據(jù)此來(lái)認(rèn)識(shí)用戶偏好信息并建立用戶興趣模型,然后將與模型匹配度高的文本推薦給用戶。
　　在文本信息推薦系統(tǒng)中,用戶興趣建模模塊是其中一個(gè)核心的模塊。模型創(chuàng)建時(shí),通過(guò)分詞、特征選擇直接從文本中獲得特征詞向量的文本表示方法

2、只考慮了文本在詞形上的相同點(diǎn),而忽略了文本在詞義上的相同點(diǎn)。這將會(huì)導(dǎo)致推薦時(shí),僅能推薦出詞形相同的文本,不能推薦出詞形不同但詞義相關(guān)的文本,從而導(dǎo)致查全率低。此外,當(dāng)用戶使用系統(tǒng)的時(shí)間越長(zhǎng),用戶累計(jì)的歷史閱讀信息就越多。此時(shí),對(duì)用戶興趣模型進(jìn)行更新時(shí),系統(tǒng)從歷史用戶閱讀文本中提取用戶興趣模型的計(jì)算量會(huì)變得越來(lái)越龐大。在此情況下,系統(tǒng)響應(yīng)時(shí)間變得越來(lái)越慢。這不利于用戶體驗(yàn)。
　　針對(duì)以上問(wèn)題,本文做了如下工作:
　　1)本文設(shè)

3、計(jì)了一種文本信息推薦系統(tǒng)框架,給出了系統(tǒng)的整體結(jié)構(gòu)和各個(gè)模塊的功能。本文參與了系統(tǒng)整體設(shè)計(jì),實(shí)現(xiàn)了用戶興趣模型模塊功能。
　　2)提出了一種基于單詞間詞義相關(guān)性的用戶興趣模型創(chuàng)建方法:通常認(rèn)為每個(gè)單詞具有多個(gè)詞義,單純依靠單詞本身無(wú)法確定單詞的詞義,但在同一篇文本中的多個(gè)單詞,其詞義具有相關(guān)性,即同一篇文本的多個(gè)單詞可能具有相同的上位概念(更一般化的概念)。該模型創(chuàng)建方法的主要思想是利用單詞間的詞義相關(guān)性來(lái)判斷單詞在文本中的正確詞

4、義,進(jìn)而選擇該詞義下的上位概念來(lái)構(gòu)建用戶興趣模型。本文提出了利用文本單詞間的詞義相關(guān)性來(lái)進(jìn)行詞義識(shí)別的方法。由于單詞的一重詞義具有它固有的上位概念,單詞間詞義的相關(guān)性體現(xiàn)在它們的上位概念關(guān)系中,因此該詞義識(shí)別方法通過(guò)單詞間各個(gè)詞義的上位概念關(guān)系來(lái)判斷單詞的正確詞義。最后通過(guò)該詞義識(shí)別方法獲得單詞正確詞義下的上位概念,以上位概念表示單詞構(gòu)建文本的概念向量,在此基礎(chǔ)上創(chuàng)建用戶興趣模型。
　　3)對(duì)用戶興趣模型的快速更新方法進(jìn)行了研究:

5、通常模型更新是在前一次模型中增加或者刪除信息,在這個(gè)過(guò)程中保存前一次模型創(chuàng)建時(shí)的中間結(jié)果,在這個(gè)中間結(jié)果的基礎(chǔ)上再進(jìn)行更新時(shí),可以減少重復(fù)計(jì)算工作,達(dá)到快速更新的目的。本文對(duì)模型快速更新方法的一般思路進(jìn)行了梳理,實(shí)現(xiàn)了三種常見(jiàn)模型的快速更新方法。在本文設(shè)計(jì)的文本信息推薦系統(tǒng)結(jié)構(gòu)上,實(shí)現(xiàn)了基于單詞間詞義相關(guān)性的模型增量更新方法。
　　最后通過(guò)實(shí)驗(yàn)證明,本文提出的基于單詞間詞義相關(guān)性的用戶興趣模型創(chuàng)建方法提取出的模型在推薦時(shí)具有更高的