基于Agent的个性化信息过滤系统的设计与实现

针对用户个性化服务的特定需求,文中提出了一种基于Agent的个性化信息过滤系统的设计思想及其实现过程。采用基于主题的过滤和基于兴趣的过滤相结合的过滤方法对信息分两次过滤,同时利用Agent跟踪用户的浏览行为,从而提供隐式反馈。系统能够根据文本的内容自动判别文本所属主题分类,并计算待过滤信息与用户兴趣之间的相关度,最后利用用户的反馈对用户兴趣模型进行更新,从而帮助用户准确获取有用信息。     

基于Agent的个性化信息过滤系统的设计与实现

针对用户个性化服务的特定需求，文中提出了一种基于Agent的个性化信息过滤系统的设计思想及其实现过程。采用基于主题的过滤和基于兴趣的过滤相结合的过滤方法对信息分两次过滤，同时利用Agent跟踪用户的浏览行为，从而提供隐式反馈。系统能够根据文本的内容自动判别文本所属主题分类，并计算待过滤信息与用户兴趣之间的相关度，最后利用用户的反馈对用户兴趣模型进行更新，从而帮助用户准确获取有用信息。     

基于心理学模型的协同过滤推荐方法

提出一种改进协同过滤推荐的方法。该方法根据心理学中的态度行为关系理论建立用户浏览购买模型,通过分析用户浏览信息,预测用户对项的评分,根据预测的评分,运用协同过滤推荐算法为用户做出推荐。实验验证了用户浏览购买模型的有效性。与传统协同过滤方法进行对比的结果表明,该方法可以有效地改进协同过滤算法的推荐结果。     

林产品贸易信息推送梯级过滤技术

目前信息推送服务广泛应用于各类电子商务网站,然而传统信息过滤技术在林产品贸易信息过滤的过程中,存在着不足。在总结林产品贸易信息过滤的特点的基础上,提出梯级过滤技术。该技术根据林产品贸易用户兴趣的不同、用户需求程度的不同、林产品贸易信息特征项权重的不同,在提出林产品贸易信息特征向量空间模型和分析用户兴趣特征向量结构的基础上,采用先进行用户显性需求的严格过滤,再进行用户显性需求的模糊过滤,再进行用户隐性需求的过滤的梯级过滤方法,从而达到准确满足用户需求的目的。实验结果证明该方法能够有效地过滤出用户满意的信息。     

基于混合学习策略的多Agent信息过滤系统

针对用户个性化服务的要求，给出了一种基于混合学习策略和BP神经网络的多Agent信息过滤系统实现方案。系统采用蒙特卡罗强化学习算法进行多Agent协作学习，同时运用三层BP神经网络计算用户的满意度，根据算出的满意度对用户兴趣模型进行更新。本系统中用户无须反复提供显示反馈，由Agent跟踪并记录用户的浏览行为而得到用户的隐式反馈信息，从而减轻了用户的负担。     

个性化信息推荐方法研究

随着信息技术和互联网的发展,人们进入了信息过量且愈发碎片化的时代。当前,个性化信息推送是用户获取网络信息的有效渠道。由于信息的更新速度快和用户兴趣更新等问题,传统的推荐算法很少关注甚至忽略上述因素,造成最终的推荐结果欠佳。为了给用户更好的个性化推荐服务,论文首次引入截取因子,提出了组合推荐算法（CR算法）。该算法的实质是将截取因子引入到基于内容的推荐算法与基于用户的协同过滤算法中,进而生成混合推荐算法。在推荐列表中,CR算法产生的推荐结果由两部分组成:一部分由混合推荐算法生成,另一部分由基于用户的协同过滤算法生成。根据信息的发布时间,决定该信息由哪类算法产生推荐:当浏览时间与当前时间的间隔不大于某个值时,采用混合推荐算法;否则,直接采用基于用户的协同过滤算法。基于真实数据的实验结果表明,CR算法优于同类算法。     

拒绝Cookie信息的二法

ＣＯＯｋｉｅ是一个特殊的文本文件,它是由Ｗｅｂ服务器保存在用户自己的硬盘上一段信息。这段信息包含了用户上网时的一些浏览记录,例如用户访问了什么站点,在站点中浏览什么内容、在填写表单时输入了哪些信息等等。以后用户再次访问相同信息时,浏览器就会从本地计算机中直接把需要的信息调出来,从而节省了操作的时间。 但由于Ｃｏｏｋｉｅ信息会把我们用户在浏览过程中的一些隐私信息暴露出来,这些隐私信息一旦被某些不法分子利用,可能会给我们用户带来安全上的威胁！为此,有许多用户为了保证在网上的安全,他们希望Ｃｏｏｋｉｅ…     

电子商务环境下信息过滤中用户偏好调整算法

对信息过滤过程进行了分析,包括定义用户偏好、接受信息输入流、过滤以及用户反馈环节。在此基础上,分析了网络环境下群体决策信息收集与过滤的特点,提出决策信息过滤中用户偏好生成及自适应调整算法。     

基于Ajax的智能RSS聚合系统研究

RSS存在信息过载问题,为了解决该问题,设计了一个基于Ajax的智能聚合系统,使用户可以高效、及时、准确地获取到自己感兴趣的新闻。综合了内容过滤和协作过滤的优缺点,提出了一个改进的过滤算法,提高了过滤性能和准确度。对用户的行为和特征进行建模,系统可以依据用户模型过滤掉用户可能不感兴趣的信息。并将信息过滤技术与RSS聚合技术结合,使用户可以通过RSS聚合系统获取到自己感兴趣的内容,降低信息冗余。     

用户新闻信息浏览行为和感知价值研究

随着互联网技术的发展,用户信息行为的研究越来越受到重视,浏览行为是用户信息行为的重要组成部分,浏览行为的研究对提升用户体验具有重要意义。以今日头条用户为研究对象,基于顾客感知价值理论,使用访谈法与问卷调查法相结合的方法,探索影响用户浏览新闻的行为的因素。研究发现,用户在移动端浏览新闻场景下,只有实用价值对新闻浏览行为正向影响显著。由于今日头条新闻平台与其他新闻客户端具有较高的相似性,因此结论可以推广。对于新闻创作者和平台运营者来说,要着重提升内容质量并减少无用信息,注重新闻内容的真实性可靠性。     

网络智能信息服务系统的设计与实现

本文介绍了基于Agents合作和移动Agent的思想,实现具有学习能力、自主式的网络智 能信息服务系统的方法,以便对Internet信息自动收集和过滤,从而把用户从大量、分散、 复杂的电子信息中解脱出来,节约用户时间,提高效率．     

个性化网络信息过滤Agent的反馈评价机制

文章描述了信息过滤的作用,并介绍了一个基于Agent的万维网文档信息过滤系统。文中提出了个性化网络信息过滤Agent的结构及其实现方案,并讨论了用相关反馈评价机制更新用户兴趣模型的问题,建议用决策树从用户分类的文档集中学习用户的信息兴趣。     

A metagenetic algorithm for information filtering and collection from the World Wide Web

This paper describes the implementation of evolutionary techniques for information filtering and collection from the World Wide Web. We consider the problem of building intelligent agents to facilitate a person's search for information on the Web. An intelligent agent has been developed that uses a metagenetic algorithm in order to collect and recommend Web pages that will be interesting to the user. The user's feedback on the agent's recommendations drives the learning process to adapt the user's profile with his/her interests. The software agent utilizes the metagenetic algorithm to explore the search space of user interests. Experimental results are presented in order to demonstrate the suitability of the metagenetic algorithm's approach on the Web.     

基于多Agent混合智能实现个性化网络信息推荐

1 引言互联网的迅速发展和普及,使得人们可以通过网络获取大量的信息资源,为帮助用户从互联网获取需要的各种信息资源,各种搜索引擎,如Yahoo!、Excite等相继诞生,它们为用户提供信息导航服务,帮助用户获取需要的信息。但随着网络资源的指数膨胀,使得搜索引擎难以为用户提供满意的服务。在这日益增多的     

Agent在智能信息检索中的应用研究

从信息检索的现状出发 ,运用人工智能的技术 ,提出了一种基于Agent的信息检索方法。通过建立用户个性化信息表 ,辅助过滤Agent在信息提取过程中的精确性 ,从而弥补了现有系统在自适应用户兴趣和交互方式等方面的不足     

PVA: A Self-Adaptive Personal View Agent

In this paper, we present PVA, an adaptive personal view information agent system for tracking, learning and managing user interests in Internet documents. PVA consists of three parts: a proxy, personal view constructor, and personal view maintainer. The proxy logs the user's activities and extracts the user's interests without user intervention. The personal view constructor mines user interests and maps them to a class hierarchy (i.e., personal view). The personal view maintainer synchronizes user interests and the personal view periodically. When user interests change, in PVA, not only the contents, but also the structure of the user profile are modified to adapt to the changes. In addition, PVA considers the aging problem of user interests. The experimental results show that modulating the structure of the user profile increases the accuracy of a personalization system.     

基于用户兴趣的个性化模型研究

大多数搜索引擎没有考虑到用户的个性和兴趣,大大降低了搜索的准确性。采用Web挖掘技术对存放在Web缓存中的历史页面进行挖掘,获取用户的兴趣信息,使用最优二叉树的形式来表示用户兴趣,利用获取的用户兴趣信息来构建个性化模型,并且利用智能Agent跟踪用户的兴趣变化,不断地对用户兴趣个性化模型进行更新。     

Modeling user interests by conceptual clustering

As more information becomes available on the Web, there has been a crescent interest in effective personalization techniques. Personal agents providing assistance based on the content of Web documents and the user interests emerged as a viable alternative to this problem. Provided that these agents rely on having knowledge about users contained into user profiles, i.e., models of user preferences and interests gathered by observation of user behavior, the capacity of acquiring and modeling user interest categories has become a critical component in personal agent design. User profiles have to summarize categories corresponding to diverse user information interests at different levels of abstraction in order to allow agents to decide on the relevance of new pieces of information. In accomplishing this goal, document clustering offers the advantage that an a priori knowledge of categories is not needed, therefore the categorization is completely unsupervised. In this paper we present a document clustering algorithm, named WebDCC (Web Document Conceptual Clustering), that carries out incremental, unsupervised concept learning over Web documents in order to acquire user profiles. Unlike most user profiling approaches, this algorithm offers comprehensible clustering solutions that can be easily interpreted and explored by both users and other agents. By extracting semantics from Web pages, this algorithm also produces intermediate results that can be finally integrated in a machine-understandable format such as an ontology. Empirical results of using this algorithm in the context of an intelligent Web search agent proved it can reach high levels of accuracy in suggesting Web pages.     

Adaptive personal agents

Personal agents are an important advance in the management of electronic information. Accurate user profiling is critical to the personalisation of agent-based services. In this paper we describe a framework for personal agents, which provides a range of services using a common user profile. The user profile is automatically learned from observation of the electronic documents a user reads, and tracks user interests over time. We report on a large trial of this framework, which has given us important insights into the effectiveness of personal agent applications. In particular we discuss the benefits obtained from the use of a common profile and the interoperation of several personal agent applications.     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务.用户兴趣模型是影响推荐系统服务效率的重要因素,因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一.本文从教育网站用户对象特点出发,提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型.