基于Agent的信息推送系统的研究

论文摘要

在当今网络信息迅速增长的情况下,为使用户在因特网上既能花费较少的时间和精力,又能及时地有效地获取有用的信息,本文利用信息推送技术,集成了机器学习和智能Agent技术,提出了基于Agent的信息推送系统的总体设计。该系统能够改变用户传统的通过主动搜索来获取信息的方式,通过不断学习和调整用户兴趣模型,主动推送用户所需要的信息。本文所提出的基于Agent的信息推送系统的体系结构模型在逻辑上可分为三层:信息检索层、信息选择层和信息表示层,在每一层都有相应的Agent为用户服务:信息检索、信息过滤、兴趣学习和提供交互接口等等。接着论文讨论了兴趣学习策略和信息过滤算法。本文采用了基于向量空间模型建立用户兴趣模型,结合分词技术,与搜索引擎协作实现信息的检索,并综合内容过滤和利用相似信息项的评分来预测未评分的信息项等方法来解决基于相似信息项的邻居用户协同过滤的不足,提出了一种新的混合过滤算法来对已检索的信息进行过滤。最后采用Java语言在Aglet平台上设计该系统,经过不断地测试,该系统基本达到了预期目标。最后对该论文做了总结,并提出今后的研究方向。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 研究现状
• 1.3 研究内容、目的
• 1.4 论文结构
• 第2章 相关理论知识
• 2.1 Agent技术
• 2.1.1 Agent的概念、特性
• 2.1.2 Agent的基本结构
• 2.1.3 Agent的分类
• 2.1.4 移动Agent
• 2.2 多Agent系统
• 2.2.1 多Agent系统的要素
• 2.2.2 Agent通信方式
• 2.2.3 通信协议
• 2.2.4 Agent通信语言（ACL）
• 2.2.5 知识查询与操纵语言（KQML）
• 2.3 信息推送（Information Push）
• 2.3.1 信息推送简介
• 2.3.2 Push技术原理与实现方式
• 2.3.3 Push技术发展方向
• 2.4 本章小结
• 第3章 基于Agent的信息推送系统的总体设计
• 3.1 系统框架结构
• 3.1.1 系统框架
• 3.1.2 工作流程
• 3.2 主要功能模块
• 3.2.1 用户Agent
• 3.2.2 学习Agent
• 3.2.3 过滤Agent
• 3.2.4 监测Agent
• 3.3 本章小结
• 第4章 系统的实现
• 4.1 用户兴趣建模
• 4.1.1 用户信息收集
• 4.1.2 用户兴趣的建模
• 4.1.3 用户兴趣模型的学习
• 4.1.4 本系统采用的用户兴趣建模方法
• 4.2 信息过滤
• 4.2.1 基于内容的过滤
• 4.2.2 协同过滤
• 4.2.3 基于关联规则的过滤
• 4.2.4 个性化推荐算法的设计
• 4.3 系统演示
• 4.4 本章小结
• 第5章 小结与展望
• 5.1 工作小结
• 5.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果