基于本体的个性化信息检索系统研究

论文摘要

用户层次的差异、类型的多样构成了对信息需求的多样化。面对Internet上数字化、多媒体的信息资源,与传统图书情报用户相比,人们发愁的不是找不到资源,而是找不到与他们个性需求最相适应、最优化的信息。而目前大多数的检索系统采用关键词输入方式进行检索,对所有的用户都是千篇一律的界面、检索方式和检索结果。用户无法准确地表述自己对特定领域内信息的兴趣和需求,即使是使用了先进的搜索技术,也不能在一个相对较短的列表中向用户提供精确的信息,实际上大多数情况下检索结果中的文档对用户而言有一半以上是不相关的。其中一个主要的原因就是:同一个关键词对不同的人、在不同的领域、不同的时间和地点都可能表达不同的意思,因此一个关键词是不能确切地反映一个用户对特定领域内信息的特定需求的。因此通用的信息检索需要与特定领域信息处理技术相结合。本文研究智能信息检索中基于本体的个性化用户建模技术及应用。本体作为领域模型,提供了人们对领域概念和概念层次的共同理解,同时其应用也有效地降低了对自然语言理解技术的依赖。为了解决现有个性化信息服务的不足,本文在讨论各种现有个性化信息推荐方式的基础上,引入了本体,提出一种基于本体的个性化信息服务模式。一方面在用户建模时加入本体,使用户模型和信息内容的比较更方便快捷;另一方面在个性化信息推荐时使用本体,增加了语义信息,在一定程度上弥补了当前信息推荐技术的不足,提高了推荐信息的查全率和查准率。针对本文提出的个性化信息推荐方法,我们构建了计算机领域本体,并把它用于计算机领域期刊论文的检索,论文内容以XML格式存储,以充分利用XML的结构化和语义功能。实验结果表明,加入本体后的个性化信息服务系统有效地提高了个性化信息服务水平。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 Internet 上信息资源的特点
• 1.1.2 传统的搜索引擎在 Internet 信息获取中存在的问题
• 1.1.3 搜索引擎的缺点所导致的问题
• 1.2 国内外相关研究现状
• 1.2.1 信息检索技术发展过程
• 1.2.2 国内外个性化信息检索技术研究现状
• 1.3 本文的研究内容和结构
• 第二章 相关知识介绍
• 2.1 搜索引擎结构
• 2.2 Web 挖掘和基于 Internet 的信息检索技术
• 2.2.1 Web 挖掘的基本概念
• 2.2.2 基于Web 的信息检索技术
• 2.2.3 Web 挖掘在 Web 信息检索系统中的应用
• 2.3 智能 Agent 代理在 Web 信息检索系统中的应用
• 2.4 网页自动分类技术在 Web 信息检索系统中的应用
• 2.5 个性化信息系统介绍
• 2.5.1 个性化信息服务系统的特点
• 2.5.2 个性化信息服务系统的分类
• 2.5.2.1 基于规则的个性化信息服务系统
• 2.5.2.2 基于内容过滤的个性化信息服务系统
• 2.5.2.3 基于协同过滤的个性化信息服务系统
• 2.5.3 个性化信息服务系统的结构
• 2.6 本章小结
• 第三章 本体论研究
• 3.1 本体的提出
• 3.2 本体的定义
• 3.3 本体和语义网络
• 3.4 本体的组成
• 3.5 构造本体的规则
• 3.6 本体的分类
• 3.6.1 根据应用主题分类
• 3.6.2 根据表示的形式化程度分类
• 3.6.3 根据研究层次分类
• 3.7 本体的应用与研究
• 3.8 本章小结
• 第四章 构建领域本体
• 4.1 领域本体的阶段划分
• 4.2 领域本体的构建过程
• 4.2.1 需求分析
• 4.2.2 领域信息的收集和分析
• 4.2.3 本体评价
• 4.2.4 本体扩展
• 4.3 本章小结
• 第五章 用户兴趣挖掘和用户建模
• 5.1 用户识别
• 5.1.1 注册用户
• 5.1.2 非注册用户
• 5.2 用户兴趣挖掘
• 5.2.1 用户访问行为统计
• 5.2.2 日志挖掘的过程
• 5.2.3 页面关联规则挖掘
• 5.3 用户建模
• 5.3.1 用户手工建模
• 5.3.2 示例用户建模
• 5.3.3 自动用户建模
• 5.3.4 引入本体后用户模型的建立过程
• 5.3.5 用户模型的存储方式
• 5.3.5.1 注册用户建模过程
• 5.3.5.2 非注册用户建模过程
• 5.4 本章小结
• 第六章 引入本体的个性化推荐
• 6.1 基于规则的个性化推荐
• 6.1.1 现有基于规则的推荐
• 6.1.2 加入本体后基于规则的推荐
• 6.2 基于内容过滤的个性化推荐
• 6.2.1 现有基于内容过滤的推荐
• 6.2.2 加入本体后基于内容过滤的推荐
• 6.3 基于协作过滤的个性化推荐
• 6.3.1 现有的基于协作过滤的推荐
• 6.3.2 加入本体后基于协作过滤的推荐
• 6.4 推荐内容排序
• 6.4.1 推荐内容排序的重要性
• 6.4.2 给定权重的排序算法
• 6.4.2.1 同义词查询
• 6.4.2.2 下位词查询
• 6.4.2.3 上位词查询
• 6.4.2.4 使用本体推理
• 6.5 本章小结
• 第七章 实验部分
• 7.1 XML 格式的优点
• 7.2 加入本体后各种推荐方式的效果
• 7.2.1 基于规则的推荐效果比较
• 7.2.2 基于内容过滤的推荐效果比较
• 7.2.3 基于协作过滤的推荐效果比较
• 7.3 本章小结
• 第八章 展望和总结
• 8.1 总结
• 8.2 展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果
• 附录