网络信息提取系统关键技术研究

论文摘要

随着网络技术的飞速发展,网络改变了人们的生产、生活方式,成为人们获取信息的重要渠道。搜索引擎缓解了网络信息的广泛性与用户信息需求的特定性形成了尖锐的矛盾,但是由于搜索引擎智能化不足,不能满足用户的个性化需求。本文针对这个问题在个性化信息服务技术方面进行了一些探索和研究。本文首先使用显式和隐式收集方式相结合的方式收集用户的浏览内容和浏览行为,对收集到的网页进行处理之后,采用加入时间因素的细兴趣粒度表示法表示文本,并对文本进行聚类分析,以发现用户的兴趣。其次明确用户兴趣更新的必要性及考虑现有研究存在的问题后,在用户兴趣模型更新方法上,针对用户兴趣漂移,采用隐式更新的方法,应用混合兴趣更新方法对用户兴趣进行更新。在此基础上设计并实现了系统原型,验证文本聚类、兴趣漂移算法和网页兴趣度计算的有效性,最后验证了本文所设计的用户兴趣模型能够提高查全率和查准率,可以为用户提供更为精确有效的个性化推荐。

论文目录

• 摘要
• Abstract
• 引言
• 1 个性化网络信息提取的研究现状及其支撑技术
• 1.1 个性化数据挖掘的研究现状
• 1.1.1 个性化信息提取的研究综述
• 1.1.2 个性化信息提取系统存在的问题
• 1.2 个性化信息提取研究的支撑技术
• 1.2.1 兴趣模型理论与技术
• 1.2.2 兴趣模型数据的收集与更新技术
• 1.2.3 个性化信息提取评估标准
• 2 用户兴趣模型的建立及其更新
• 2.1 用户兴趣模型的建立及其表示
• 2.1.1 用户兴趣模型的建模
• 2.1.2 用户兴趣模型的数据表示与存储
• 2.1.3 用户网页特征提取
• 2.2 用户浏览行为获取
• 3 用户兴趣度的量化与更新
• 3.1 用户兴趣度的计算
• 3.2 用户兴趣度的更新
• 4 原型系统的设计与实现
• 4.1 系统设计
• 4.1.1 数据库设计
• 4.1.2 用户兴趣模型初始化
• 4.2 系统实现与分析
• 4.2.1 系统实现
• 4.2.2 系统部分实验结果与分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢