基于本体的个性化信息检索技术研究

针对传统的采用关键词的信息检索方式在个性化方面的不足,提出了一种根据领域本体的个性化信息检索模型.首先获取用户的特征信息,接着利用用户的特征信息构建基于本体的用户兴趣模型,在检索过程中通过领域本体概念和用户兴趣模型对检索请求进行分析并对其进行扩展,获得符合检索意图的结果,在此基础上按兴趣度大小处理后将最终个性化信息检索结果反馈给用户.通过搭建关于本体的个性化检索原型系统,仿真结果验证了改进模型的有效性.     

协同标注研究及其在数字博物馆中的应用

在数字博物馆检索过程中,普通用户对某领域术语缺乏了解,一般不能对该领域进行有效的信息检索。该文对协同标注技术进行介绍,对其在信息检索方面如何提高用户检索效率的应用进行了实验对比,提出一种利用协同标注技术来提高信息检索效率的方法,对该方法如何在数字博物馆信息检索方面的应用给出一个可行性模型。     

基于互信息和本体的协同检索模型的研究

在信息检索中,用户习惯用尽可能少的关键字来检索信息,这必然会导致检索结果与用户需求存在较大偏差.针对这一问题,我们提出了基于互信息的语义扩展模型(QSE_BMI)[2],结合用户兴趣模型,对用户输入的查询问句进行语义扩展.本文在QSE_BMI基础上,利用互信息与本体互补性,建立基于互信息和本体的协同检索模型,从而提高了信息检索的查全率与查准率.     

基于语义模型的信息检索机制研究

提出了一种基于本体语义模型的信息检索方法。该方法充分利用领域本体提供的概念之间的语义相关性，从语义模型扩展、概念相似度、相关度计算，并以用户反馈等角度探讨了基于语义模型的自动推理方法在信息检索中的应用，文章介绍了系统实现框架。该系统将应用在学习资源的智能检索中。     

基于特征重排的协同设计系统研究

随着协同虚拟环境概念的提出，使得多用户之间基于特征的建模设计成为可能并迫切需要一个有效、灵活并支持异地分布的多用户协同工作的系统。在文献[2]提出的特征重排思想的基础上对协同设计系统进行研究，提出了一个基于特征重排的协同设计应用系统模型，详细探讨了模型系统的结构，重点阐述了该系统模型中当用户不按照初始设计顺序提交特征造型信息时，服务器如何依据特征重排的思想对特征进行布尔操作保持与原始造型一致，这对于提高协同设计的效率有重要意义。     

多智能体在元搜索引擎中的应用研究

随着网络信息的指数增长和用户对检索质量要求的日益提高,传统搜索引擎的查全率和准确率都开始下降,已无法满足用户信息检索的需求。该文从搜索引擎技术的概念入手,分析了元搜索引擎和多智能体的基本原理,并利用多Agent系统自治智能和分布协同的特性．提出了基于多智能体的元搜索引擎。     

面向Internet的个性化智能信息检索

文中提出了一个面向Ｉｎｔｅｒｎｅｔ的个性化智能信息检索系统,该系统的研究内容属目前智能信息检索领域的重要研究课题。系统采用分布式智能体Ａｇｅｎｔ技术、相关反馈学习算法和基于多用户个性化模式的层次智能信息滤波算法,并采用多模块之间尖线交互机制和个性化检索与集中游览相结合的检索方式等方法,有效地解决了现有系统在交互方式、自适应用户兴趣和信息源的变化、高效并行检索等方面的不足,该系统普通适用于Ｉｎｔｅｒ     

基于多相关本体的模糊信息检索模型

根据概念及概念之间的语义,提出一种多相关本体的模糊信息检索模型,用本体的关系表示模糊关系。描述本体信息检索模型的处理过程及检索机制,讨论应用不同类型本体的检索效果和影响,并采用TREC的评价方法评估该模型。结果证明该模型具有较好的整体性能比,能改善用户需要的检索结果。     

基于本体驱动的法律信息检索模型

本文提出了基于本体驱动的法律信息检索模型，以解决当前Web信息检索中存在的问题。本文运用到了数据挖掘中的关联规则，并借鉴“七步法”来构建信息检索模型，构建步骤包括文档预处理、构建领域本体、过滤、构造人机接口等。向用户提供基于法律本体的概念查询、语义扩充查询、分类浏览等检索手段。该模型能够改善用户查准率和查全率，实现对该领域资源的智能化检索。     

基于Multi-Agent的多媒体个性化检索框架的设计

针对目前Internet多媒体信息检索的不足,分析了Multi-Agent技术在网络多媒体信息检索方面的应用现状。充分考虑到信息检索过程中用户的个性化特点,提出了一个基于Multi-Agent的智能化、个性化、高效协同的多媒体检索系统框架模型。     

新的基于日志分析的用户个性化模型

作为个性化服务技术的核心,用户模型的质量关系到个性化服务的质量。目前的用户模型大多只考虑用户的显式信息或隐式信息,很少同时考虑两者,使得检索质量不如人意。提出了一种新的基于日志分析的用户个性化模型,结合了传统的显式建模和隐式建模的优点,把显式个性化信息和隐式个性化信息通过两层树状结构结合起来。模型同时考虑了用户历史信息的长短期划分,以及检索系统返回结果的顺序和用户对结果页面的点击顺序。实验结果表明,基于该用户模型的个性化检索效果与原有检索系统的检索效果相比有显著提高。     

基于蜂群K-means聚类模型的协同过滤推荐算法

针对目前协同过滤推荐算法的推荐质量和推荐效率低的问题,提出了一种基于改进蜂群K-means聚类模型的协同过滤推荐算法。首先,根据用户属性信息,采用改进蜂群K-means算法对用户进行聚类,建立用户聚类模型;然后,计算目标用户与用户聚类模型中各聚类中心的距离,其中距离最近的类为目标用户的检索空间;最后,从检索空间中依据用户-项目评分矩阵通过相似度计算搜索目标用户的最近邻居,由最近邻居的信息产生推荐列表。实验结果表明,该算法降低了平均绝对误差值,缩短了运行时间,提高了推荐质量和推荐效率。     

面向个性化网站的增量协同过滤推荐方法

为了解决个性化网站中很少考虑用户检索意图，检索效果较差的问题，提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法，并应用到个性化网站中。通过分析Web日志提取用户的浏览行为，将其归一化为用户对项目的评分值，并利用改进的相似度计算方法得到用户之间的相似度值，从中选择能够表现用户偏好的最近邻集合进行评分预测后对结果排序，将排序后的结果作为推荐列表返回给用户。最后设计增量更新算法实时有效地更新用户的历史偏好数据。实验表明，增量协同过滤推荐模型适用于个性化网站，利用该方法可以使推荐结果更加符合用户意图。     

On the role of trust in collaborative Web search

Recommender systems combine ideas from information retrieval, user modelling, and artificial intelligence to focus on the provision of more intelligent and proactive information services. As such, recommender systems play an important role when it comes to assisting the user during both routine and specialised information retrieval tasks. Like any good assistant it is important that users can trust in the ability of a recommender system to respond with timely and relevant suggestions. In this paper, we will look at a collaborative recommendation system operating in the domain of Web search. We will show how explicit models of trust can help to inform more reliable recommendations that translate into more relevant search results. Moreover, we demonstrate how the availability of this trust-model facilitates important interface enhancements that provide a means to declare the provenance of result recommendations in a way that will allow searchers to evaluate their likely relevance based on the reputation and trustworthiness of the recommendation partners behind these suggestions.     

个性化信息检索方法研究

个性化信息检索是十分有用的检索方法,用户模型能够表示用户个人的爱好与兴趣,有许多研究工作以各种方式使用用户模型扩充问句.提出一种新的基于一元语言模型的方法.它通过对包含多个主题域的长期用户模型的学习得到相关的语义内容,对问句进行扩展后进行检索,得到更接近用户兴趣的结果,然后再与伪相关反馈模型相结合,进一步提高检索性能.通过实验证明,该方法取得了较好的效果.     

新客户在商务站点中的个性化推荐

提出了一种针对新客户在商务站点购物的个性化推荐方法。首先利用已购物客户的浏览信息生成购物行为模型,得到新客户在站点中的浏览行为生成浏览行为模型,通过最近邻居的协同过滤技术生成与新客户行为最为相近的用户集,将最近邻居已购商品推荐给新客户。该方法能够给新客户提供及时准确的个性化商品信息。     

以用户反馈为基础的数据库关键字检索技术分析

在当前的信息社会环境中,各领域所集结的数据资源日趋丰富,因此,提升信息检索的效率与质量就显得较为重要。从实践来看,根据检索用户的反馈信息,凭借更先进的技术手段来重新调整数据库关键字的检索设置,从而提升数据检索的精准度。本文就从用户反馈的角度为切入点来分析数据库关键字检索技术及其应用状况,以期为该领域实践提供有益的借鉴。     

Case-studies on exploiting explicit customer requirements in recommender systems

Recommender Systems (RS) suggest useful and interesting items to users in order to increase user satisfaction and online conversion rates. They typically exploit explicit or implicit user feedback such as ratings, buying records or clickstream data and apply statistical methods to derive recommendations. This paper focuses on explicitly formulated customer requirements as the sole type of user feedback. Its contribution lies in comparing different techniques such as knowledge- and utility-based methods, collaborative filtering, association rule mining as well as hybrid variants when user models consist solely of explicit customer requirements. We examine how this type of user feedback can be exploited for personalization in e-commerce scenarios. Furthermore, examples of actual online shops are developed where such contextual user information is available, demonstrating how more efficient RS configurations can be implemented. Results indicate that, especially for new users, explicit customer requirements are a useful source of feedback for personalization and hybrid configurations of collaborative and knowledge-based techniques achieve best results.     

一种基于领域本体的资源反馈检索模型研究

针对现有资源平台无法互通共享资源,资源库检索系统仅依靠用户输入的单词关键字描述检索资源而无法挖 掘用户需求中的语义信息的问题,提出了一种基于本体的资源反馈检索模型。该模型通过构建本体、概念相似度计算、查询关 键字扩展等关键技术,利用了用户多次反馈中的包含语义知识,满足了用户的查询需求。实验表明,该模型能够有效提高检索 的性能。