基于用户兴趣学习的个性化信息服务模型研究

论文摘要

个性化信息服务是能够满足用户个体信息需求的一种服务,根据用户提出的明确要求提供信息服务,或通过对用户个性和使用习惯的分析而主动地向用户提供其可能需要的信息服务。它包括个性化信息搜索服务、个性化信息推荐服务和个性化信息代理服务等。个性化信息服务有助于用户快速准确获取所需要的信息,为用户提供便利,它的最关键部分在于用户兴趣模型的建立。本文正是在这一基础上,首先围绕建立用户兴趣模型的关键技术进行研究,这些技术包括Web挖掘、用户行为挖掘、机器学习以及Agent技术等。然后本文探讨了用户兴趣模型的生成与更新算法,包括页面的分词、特征提取、用户兴趣权重的计算,用户兴趣学习等等;获取用户兴趣所采用的方法是:针对用户所浏览的Web页面,分析这些页面与用户兴趣的相关度:若是已有兴趣则对其权重进行加成,否则根据其权重与保留权重的大小关系决定是否进入用户兴趣词集。再者研究了基于用户兴趣模型的应用:个性化信息过滤与信息推送。最后提出了基于用户兴趣学习的个性化信息服务系统的体系结构,对各部分功能和工作流程进行了设计研究,其中结合Web页面内容学习,围绕相似度计算对用户兴趣模型的建立和应用进行试验。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 个性化信息服务定义
• 1.1.1 个性的概念
• 1.1.2 个性化服务
• 1.1.3 个性化信息服务
• 1.2 个性化信息服务模型
• 1.3 论文研究的目的和意义
• 1.4 论文研究的主要内容
• 2 个性化信息服务现状分析
• 2.1 发展过程
• 2.2 主要服务方式
• 2.2.1 个性化信息搜索服务
• 2.2.2 个性化信息推荐服务
• 2.2.3 个性化信息代理服务
• 2.3 本章小结
• 3 Web文本资源的表示
• 3.1 文本信息的表示
• 3.1.1 文本信息的描述
• 3.1.2 中文分词处理研究
• 3.2 文本的特征提取研究
• 3.3 特征项的权重计算
• 3.4 本章小结
• 4 用户兴趣模型研究
• 4.1 用户兴趣学习技术
• 4.1.1 网络信息挖掘技术
• 4.1.2 用户建模的信息来源
• 4.1.3 用户兴趣学习方法
• 4.2 用户建模技术的分类
• 4.3 用户兴趣模型的表示形式
• 4.4 用户兴趣权重计算方法的改进
• 4.5 用户兴趣模型生成与更新算法
• 4.5.1 用户兴趣模型的生成算法
• 4.5.2 用户兴趣模型的更新算法
• 4.6 信息过滤技术
• 4.7 本章小结
• 5 基于用户兴趣的个性化信息推送技术
• 5.1 信息推送技术概述
• 5.2 信息推送技术的特点
• 5.3 信息推送技术的实现方式
• 5.4 信息推送技术的工作流程
• 5.5 基于用户兴趣模型的个性化信息推送算法
• 5.6 本章小结
• 6 个性化信息服务系统的设计
• 6.1 系统模型总体结构设计
• 6.2 系统主要功能说明
• 6.3 系统主要模块及其业务流程分析
• 6.3.1 用户接口模块
• 6.3.2 用户兴趣建模模块
• 6.3.3 信息处理模块
• 6.3.4 个性化信息服务模块
• 6.3.5 信息反馈模块
• 6.4 用户兴趣模型的实现
• 6.5 用户兴趣模型的构建与应用实验
• 6.6 本章小结
• 7 结论
• 参考文献
• 作者简历