论文摘要
如何在浩如烟海的网络中找到用户需要的信息,已经成为信息检索服务面临的挑战性课题。未来的搜索服务应该能够给用户提供个性化信息服务。而作为个性化服务的核心技术,个性化建模也逐渐受到重视,个性化模型的好坏直接影响到个性化服务的质量,只有系统很好地理解了用户的兴趣、偏好和访问模式等信息,才有可能实现理想的个性化服务。本文围绕个性化建模技术进行了研究,设计并实现了个性化元搜索引擎PMSE系统。系统设计目标是:挖掘用户兴趣,建立合理的模型来表示用户兴趣,并通过不断地更新与维护,优化模型,使其能够准确反映用户的兴趣,并在此基础上为用户提供个性化服务。论文的主要研究工作:(1)通过参考ODP的分类层次,构建用户兴趣树来动态存储用户兴趣,用短期兴趣和长期兴趣相结合的方法描述用户兴趣特征。(2)研究了用户兴趣挖掘算法,结合显式和隐式挖掘技术,能够更好地反映用户兴趣。(3)在隐式挖掘中,从用户的访问历史页面中提取用户的兴趣主题特征,提出了针对网页的特征提取算法,而且还提出了基于个性化模型的页面归类算法。(4)对用户查询的意图进行分析,缩小用户查询的范围,提炼查询结果,提高查询准确度。文中提出了用户查询到用户兴趣类的映射算法。它通过结合用户兴趣模型来推测用户的查询意图,分析出用户搜索的潜在意图,并扩展用户查询词。(5)研究了元搜索引擎的调度策略。对现有的相关研究进行比较分析,提出基于兴趣分类采样的成员引擎特征表示和基于用户兴趣的成员引擎个性化调度算法。在PMSE系统中,用户兴趣模型是很重要的一个模块,只有有了准确的模型,个性化元搜索引擎才能更好的为用户提供信息检索。而在用户兴趣模型的构建过程中,挖掘算法又占有很大的比例,只有有了高质量的用户兴趣挖掘算法,才能很好的进行用户模型构建,才能实现个性化服务,更好地满足用户的需要。本文提出了一种基于ODP的多层次用户兴趣模型构建的算法,准确度高,符合用户期望。
论文目录
相关论文文献
- [1].融合情境因素的电子商务用户兴趣挖掘仿真[J]. 计算机仿真 2020(04)
- [2].基于背景和内容的微博用户兴趣挖掘[J]. 软件学报 2017(02)
- [3].一种基于用户兴趣的个性化建模方法[J]. 内燃机与配件 2017(04)
- [4].面向推荐的用户兴趣扩展方法[J]. 山东大学学报(工学版) 2017(02)
- [5].微博中结合转发特性的用户兴趣话题挖掘方法[J]. 计算机应用研究 2017(07)
- [6].支持联机分析处理的推特用户兴趣维层次提取方法[J]. 电子与信息学报 2017(09)
- [7].基于信任与用户兴趣变化的协同过滤方法研究[J]. 情报学报 2017(02)
- [8].用户兴趣变化下的协同过滤最优推荐仿真[J]. 计算机仿真 2016(08)
- [9].百度贴吧用户兴趣分类[J]. 福建电脑 2014(11)
- [10].微博用户兴趣发现研究[J]. 现代图书情报技术 2015(01)
- [11].满足用户兴趣漂移的计算自适应快速推荐算法[J]. 计算机应用研究 2015(09)
- [12].《解忧杂货店》走进现实[J]. 时代报告 2016(12)
- [13].基于用户兴趣领域中可信圈挖掘的推荐模型[J]. 西北工业大学学报 2019(06)
- [14].基于信息内容和用户关系的用户兴趣分类[J]. 河北省科学院学报 2018(02)
- [15].基于情景和浏览内容的层次性用户兴趣建模[J]. 计算机系统应用 2017(01)
- [16].基于改进的关联规则挖掘算法的用户兴趣挖掘[J]. 计算机时代 2016(09)
- [17].基于学术产出挖掘的用户兴趣建模研究[J]. 图书情报工作 2013(18)
- [18].国内用户兴趣建模研究进展[J]. 情报杂志 2013(05)
- [19].面向个性化服务的用户兴趣偏移检测及处理方法[J]. 电子技术 2009(11)
- [20].多层次用户兴趣模式的动态捕捉[J]. 计算机工程与应用 2009(36)
- [21].基于分类的用户兴趣漂移模型[J]. 情报杂志 2008(01)
- [22].基于时间权重和用户兴趣变化的协同过滤算法[J]. 皖西学院学报 2020(02)
- [23].关于网络用户兴趣数据信息快速查询仿真研究[J]. 计算机仿真 2018(12)
- [24].基于消费行为理解与分析的用户兴趣建模方法[J]. 电脑知识与技术 2019(14)
- [25].基于用户兴趣及迁移的话题模型分析[J]. 软件导刊 2018(06)
- [26].基于数据挖掘的网络购物用户兴趣分类研究[J]. 计算机仿真 2018(07)
- [27].基于复杂网络及神经网络挖掘用户兴趣的方法[J]. 计算机技术与发展 2016(12)
- [28].基于图像语义的用户兴趣建模[J]. 数据分析与知识发现 2017(04)
- [29].社交网络大数据环境下的用户兴趣层次化模型研究[J]. 教育观察(上半月) 2016(08)
- [30].一种基于用户兴趣的微博实体链接方法[J]. 计算机应用研究 2016(07)