個(gè)性化搜索中的用戶興趣建模技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)上的信息量呈幾何級(jí)數(shù)的增長。對于不同背景和不同興趣愛好的人，要從浩瀚的信息海洋中找到其需要的信息，是一項(xiàng)較大的挑戰(zhàn)，個(gè)性化的信息檢索系統(tǒng)滿足了這一要求。個(gè)性化信息檢索的核心是用戶興趣建模，用戶興趣建模是指從有關(guān)用戶興趣和行為的信息(如瀏覽行為、瀏覽內(nèi)容、知識(shí)背景等)中歸納出可計(jì)算的用戶模型的過程，用戶模型的好壞直接影響了搜索的結(jié)果。
　　 本文對個(gè)性化信息檢索中的用戶興趣建模部分進(jìn)行了研究。針對文檔

2、相似度計(jì)算精度不高的問題，提出一種基于加權(quán)語義網(wǎng)的文檔相似度計(jì)算方法，得到更為準(zhǔn)確的文檔相似度；在計(jì)算興趣度權(quán)值時(shí)，引入有效信息的概念及量化方法，以解決用戶興趣類權(quán)值計(jì)算過于主觀、忽略網(wǎng)頁本身特性的問題，并提出具體權(quán)值算法，較大程度地提高了權(quán)值計(jì)算的準(zhǔn)確性；針對現(xiàn)有方法難以準(zhǔn)確描述用戶興趣偏移的問題，提出一種新穎的基于矩陣表示的用戶興趣偏移處理方法，實(shí)驗(yàn)表明，該方法較已有方法更準(zhǔn)確地處理了用戶興趣的偏移。所做的具體工作包括：
　　

3、 (1)在計(jì)算文檔相似度時(shí)，針對VSM(Vector Space Model)方法影響計(jì)算精度，語義網(wǎng)方法忽略詞語本身特性的問題，引入加權(quán)語義網(wǎng)進(jìn)行文檔相似度計(jì)算。利用現(xiàn)有語義網(wǎng)WordNet的語義結(jié)構(gòu)，并基于VSM方法來計(jì)算特征詞在文檔集中的權(quán)重，加權(quán)形成加權(quán)語義網(wǎng)，用以計(jì)算文檔中特征詞兩兩之間的相似度；提出相應(yīng)算法，進(jìn)一步計(jì)算兩個(gè)文檔的相似度。
　　 (2)計(jì)算用戶興趣類權(quán)值時(shí)，提出有效信息的概念，通過已得到的用戶興趣聚類