基于用户兴趣学习的个性化信息服务模型研究
|
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。
Personalized information service is a kind of service which can meet users' personal information need. It can push the web sources which may interest users to them by itself according to users' behavior and the pages they have viewed. Personalized information service includes personalized information search service, personalized information push search and personalized information agent service.
This article first takes a view of the key point on how to set up a users' preference model, including web mining, users' behavior mining, machine study and agent. Next, it focus on the create arithmetic and update arithmetic of the model, which contains words divided syncopation technology, features collected technology, the calculation of users' interest weight; the method to get the user preferences: calculate the relevance between users' preference vector and the web pages' which are scanned by the users and get new users' interests. Then find out the every interest's weight. Finally compare each one with a fixed value to decide whether keep it a new interest in the users' preference model. After that, it does some research on the applications of this model: personalized information filtering and information push. At last, it discusses the construction of personalized information service system, and gives the designs of every function modules. And also it does the experiment about the model's creating and application.
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。
Personalized information service is a kind of service which can meet users' personal information need. It can push the web sources which may interest users to them by itself according to users' behavior and the pages they have viewed. Personalized information service includes personalized information search service, personalized information push search and personalized information agent service.
This article first takes a view of the key point on how to set up a users' preference model, including web mining, users' behavior mining, machine study and agent. Next, it focus on the create arithmetic and update arithmetic of the model, which contains words divided syncopation technology, features collected technology, the calculation of users' interest weight; the method to get the user preferences: calculate the relevance between users' preference vector and the web pages' which are scanned by the users and get new users' interests. Then find out the every interest's weight. Finally compare each one with a fixed value to decide whether keep it a new interest in the users' preference model. After that, it does some research on the applications of this model: personalized information filtering and information push. At last, it discusses the construction of personalized information service system, and gives the designs of every function modules. And also it does the experiment about the model's creating and application.
引文
[1]李勇,徐振宁,张维明。Internet个性化信息服务研究综述。计算机工程与应用2002.19
[2]杨武剑,王泽兵,冯雁,武新玲。网站个性化服务的研究。浙江大学学报(工学版)2003年03期
[3]李雪蕾,张冬茉。一种基于向量空间模型的文本分类方法.计算机工程2003年17期
[4]李凡,鲁明羽,陆玉昌。关于文本特征抽取新方法的研究。清华大学学报(自然科学版),2001,41(7):98-101
[5]欧洁,林守勋,刘桂林。个性化智能信息提取中的用户兴趣发现。计算机科学.2001,(28):112-115
[6]赵银春。用户浏览内容分析与用户兴趣挖掘。2004年重庆大学硕士毕业论文
[7]林鸿飞,杨元生。用户兴趣模型的表示和更新机制。计算机研究与发展2002年07期
[8]石晶,龚震宇,裘杭萍等。基于用户兴趣模型的智能信息检索系统技术与实现。情报学报2003,22(3)282-286
[9]王平。基于RSS的用户兴趣建模与更新。2005年中国科学技术大学硕士毕业论文
[10]张国印,陈先,皮鹏。基于词频统计的个性化信息过滤技术明。哈尔滨工程大学学报,2003,24(1):63-67
[11]徐小琳,阙喜戎,程时端。信息过滤技术和个性化信息服务。计算机工程与应用,2003年9期
[12]郝亚玲。Push技术:网上个性化信息服务的实现。情报杂志2002年10期
[13]吴琪。基于Web的个性化服务技术与研究。2004年长春工业大学硕士毕业论文
[14]白丽君,张永奎,李荣陆。基于智能agent的用户兴趣发现和更新。计算机工程2003年02期
[15]张正兰,张明。智能人机界面Agent的用户模型及其构建方法。计算机工程与应用2003年19期
[16]李晓明,闫宏飞,王继民著。搜索引擎[专著]:原理、技术与系统。北京科学出版社,2005
[17]应晓敏,刘明,窦文华。一种面向个性化服务的无需反例集的用户建模方法。国防科技大学学报2002年03期
[18]陈红莲,陈华钧。信息过滤系统中用产文档更新策略研究。计算机应用研究,2003,(8):45-46
[19]杨震,邓贵仕,刘金峰,陈志华。信息服务个性化过程中的精确信息匹配算法。计 算机工程与应用,2003年第03期
[20]王斌,谢庆生。网络制造资源多层次智能检索模型的研究。计算机应用研究,2006(6)
[21]曹山,彭宏.WEB个性化向导及推荐技术的研究与实现。计算机应用,2005(5)
[22]Daniele Riboni,Feature Selection for Web Page Classification。http://homes.dico.unimi.it/～riboni/eurasia02.pdf
[23]Glen Jeh glenj@db.stanford.edu,Jennifer Widom widom@db.stanford.edu,Scaling Personalized Web Search
[2]杨武剑,王泽兵,冯雁,武新玲。网站个性化服务的研究。浙江大学学报(工学版)2003年03期
[3]李雪蕾,张冬茉。一种基于向量空间模型的文本分类方法.计算机工程2003年17期
[4]李凡,鲁明羽,陆玉昌。关于文本特征抽取新方法的研究。清华大学学报(自然科学版),2001,41(7):98-101
[5]欧洁,林守勋,刘桂林。个性化智能信息提取中的用户兴趣发现。计算机科学.2001,(28):112-115
[6]赵银春。用户浏览内容分析与用户兴趣挖掘。2004年重庆大学硕士毕业论文
[7]林鸿飞,杨元生。用户兴趣模型的表示和更新机制。计算机研究与发展2002年07期
[8]石晶,龚震宇,裘杭萍等。基于用户兴趣模型的智能信息检索系统技术与实现。情报学报2003,22(3)282-286
[9]王平。基于RSS的用户兴趣建模与更新。2005年中国科学技术大学硕士毕业论文
[10]张国印,陈先,皮鹏。基于词频统计的个性化信息过滤技术明。哈尔滨工程大学学报,2003,24(1):63-67
[11]徐小琳,阙喜戎,程时端。信息过滤技术和个性化信息服务。计算机工程与应用,2003年9期
[12]郝亚玲。Push技术:网上个性化信息服务的实现。情报杂志2002年10期
[13]吴琪。基于Web的个性化服务技术与研究。2004年长春工业大学硕士毕业论文
[14]白丽君,张永奎,李荣陆。基于智能agent的用户兴趣发现和更新。计算机工程2003年02期
[15]张正兰,张明。智能人机界面Agent的用户模型及其构建方法。计算机工程与应用2003年19期
[16]李晓明,闫宏飞,王继民著。搜索引擎[专著]:原理、技术与系统。北京科学出版社,2005
[17]应晓敏,刘明,窦文华。一种面向个性化服务的无需反例集的用户建模方法。国防科技大学学报2002年03期
[18]陈红莲,陈华钧。信息过滤系统中用产文档更新策略研究。计算机应用研究,2003,(8):45-46
[19]杨震,邓贵仕,刘金峰,陈志华。信息服务个性化过程中的精确信息匹配算法。计 算机工程与应用,2003年第03期
[20]王斌,谢庆生。网络制造资源多层次智能检索模型的研究。计算机应用研究,2006(6)
[21]曹山,彭宏.WEB个性化向导及推荐技术的研究与实现。计算机应用,2005(5)
[22]Daniele Riboni,Feature Selection for Web Page Classification。http://homes.dico.unimi.it/～riboni/eurasia02.pdf
[23]Glen Jeh glenj@db.stanford.edu,Jennifer Widom widom@db.stanford.edu,Scaling Personalized Web Search