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.     

Web信息检索结果个性化排序模型

本文讨论了如何从网页点击次数的统计数据中获得用户对网页中包含信息的评价.在考虑了网页内容,时间等因素对信息价值的影响后,给出了一种基于用户评价的对信息检索结果个性化排序的模型.模型根据用户浏览网页时的行为和用户的特征信息,预测用户对信息的需求,智能地对信息检索结果进行个性化的排序.模型实现简单,可以应用于多数信息检索系统,为用户提供个性化的信息服务.     

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SSPISIA数据收集的个人兴趣增量挖掘算法*

为提高搜索引擎的个性化信息检索能力,通过构建个人兴趣搜索智能agent子系统SSPISIA来搜集、组织、挖掘和应用用户的个人兴趣信息。着重介绍了SSPISIA的实现,包括逻辑组成、学习方式、工作过程以及基于页面浏览时间和内容选择的个人兴趣度量规则,并在此基础上给出了基于SSPISIA数据收集的个人兴趣增量挖掘算法。实验表明该结构和算法不仅能够反映用户的长期兴趣,而且能够跟踪用户的短期兴趣变化,具有良好的适应性,进而为实现搜索引擎的个性化信息检索奠定了基础。     

基于兴趣模型的WEB信息预测采集过滤方法

Web网上海量信息急速膨胀使得有效定向采集相关信息检索成为网上信息查询一个日益重要的研究方向。该文提出一种基于用户兴趣模型的Web文本信息预测采集过滤方法。这种方法根据正反集文本过滤方法,设计出一种用户兴趣模型,并在对Web站点结构进行分析的基础上,通过对网页的相关度的预测来控制信息的采集。在保持定向采集精度的同时,缩短采集时间、减少存储、加快检索,节约了网络资源。     

基于Agent的信息推送系统的研究

针对用户个性化信息服务的需求,本文通过分析搜索引擎与Agent技术的原理,提出了一个基于多Agent的个性化信息推送系统的模型.该模型可分为三层,每一层都由Agent来完成相应的功能:用户接口、信息过滤、兴趣学习及信息检索.其中监测Agent是在本系统中实现个性化信息服务的关键.     

一种基于移动Agent的分布式信息检索优化模型

本文以移动agent在信息检索系统中为应用背景,设计了基于多移动agent的分布式信息检索优化模型.在模型的求解过程中,提出了求解的启发式策略,以寻找使总的检索时间最小的路由.目标是获得在一次信息检索中的通信、处理资源耗费最小的优化结果.并和其它启发式策略进行了比较,以达到优化的目的.     

基于情景和浏览内容的层次性用户兴趣建模

用户兴趣建模是个性化服务的核心,考虑到情景信息对用户偏好的影响,对融和情景信息的用户行为日志数据进行深入研究,提出了一种基于情景信息的用户兴趣建模方法.该方法首先通过计算情景相似度来获得用户当前情景的近似情景集;对“用户-兴趣项-情景”三维模型采用情景预过滤的方法降维处理.然后根据用户浏览内容得到用户兴趣主题,分析页面内容得到每种主题的兴趣关键词,建立基于层次向量空间模型的用户兴趣模型.实验结果表明,本文提出的基于情景信息的用户兴趣模型对用户兴趣的预测误差控制在9%以内,是有效的.     

基于领域本体的用户模型的研究*

目前大多数知识管理系统采用基于关键词或关键词向量空间模型表示用户的兴趣偏好。针对该方法不包含语义信息,很难准确表示用户感兴趣的信息,并且难于扩展,提出一种基于领域本体的用户模型。该模型利用用户访问量,采用改进的相似度算法,实现用户分类建立用户模型,体现用户个人偏好。最后将该模型应用于齐齐哈尔货车快速设计系统中,应用表明该模型能准确地反映用户兴趣,且提高了信息检索效率。     

基于本体的信息检索研究

介绍了本体Ontology的概念和理论知识,提出一种基于本体的Web信息检索模型.该模型利用本体技术对Internet上的各类信息进行领域分类,规范用户信息检索模式,以达到快速、准确找到用户所需信息的目的.     

基于Internet的课件信息发现和收集Agent的研究

文中介绍一个基于ｎｔｅｒｎｅｔ的信息检索系统：ＤＯＬＴＲＩ－Ａｇｅｎｔ．ＤＯＩＴＲＩ－Ａｇｅｎｔ用于从Ｉｎｔｅｒｎｅｔ上发现和收集用于远程武术和教学。     

基于内容的智能图像检索系统设计

由于Internet中的图像信息资源是异构的．人们要想从中发现、收集和维护自己需要的信息要花费大量的时间和精力。为了更有效地利用Internet上的图像资源，文章从基于内容的图像检索的现状出发，运用Agent技术，提出了一种基于内容的智能图像检索系统的初步模型，并设计了其中核心部分的基本结构：用户Agent、协调器和信息Agent，从而弥补了现有图像检索系统在自适应用户兴趣和交互式等方面的不足，提高了系统的检索正确率和检索能力。     

个性化信息检索系统中用户兴趣模型的建立

个性化检索系统通过收集和分析用户信息来学习用户的兴趣和行为,从而实现对用户的个性化的信息推荐服务。而用户兴趣模型正是用户和兴趣的信息模型,用户兴趣模型直接影响到个性化的信息服务。     

基于Agent的个性化教学系统研究*

个性化教学实现方法的研究是人们对网络教学提出的更高层次要求,也是未来教育信息化发展的必然趋势。从现有网络教学系统缺乏深入了解用户兴趣的实际现状出发,提出了一个基于Agent的个性化教学系统原型,并结合神经网络技术,以用户兴趣追踪为出发点,探讨了采用启发式算法来获取用户兴趣特征的方法,从而以最快的速度学习到最新的用户兴趣。     

互联网中文信息获取研究

提出了一种以智能化、主动搜索为标志的互联网中文信息获取方法，实现了一种互联网中文信息智能获取工具，该工具采用智能Agent的体系结构，通过学习用户日常的文档和用户的交互意见推测出用户需求，建立个性化的用户模型。并使用元搜索引擎从互联网上主动获取信息。最后通过本地智能处理技术，剔除合并重复及相似性大的信息，将处理后的结果以显明易懂的方式提交给用户。     

实现Web页面的智能个性化检索

给出了对Web页面进行智能个性化检索的系统结构和实现原理,采用Agent技术和用户手工调整相结合的方法确定用户检索的个性化模式,通过K-modes算法聚类学习用户反馈信息,产生新的个性化模式。更精确地满足用户的个性化检索需求,降低了检索结果的重复率,在一定程度上提高了检索的精度和效率。     

基于Agent的个性化信息检索中相关度反馈的研究

本文分析了信息检索中的相关性反馈技术,对用户兴趣的反馈评价机制进行了研究。采用Agent技术,给出了一个智能Agent的相关度反馈模型;并对此模型中的用户兴趣的反馈评价机制进行了实验,通过改进的ID3算法,学习用户兴趣、更新用户兴趣模型来实现个性化的信息检索。实验证明,这种反馈评价机制是有效的,系统的查全率与查准率都有了明显的提高,能够更好地满足用户的个性化需求。     

一种基于智能Agent的科技文献快速协作推送机制

针对目前网络科技文献共享平台上汇聚的海量的科技文献,提出了一种新的基于智能Agcnt的科技文献快速协作推送模型,通过引入由智能Agen、技术构建的用户Agent、数据传递Agent、信息评佑Agent、信息分析Agent ,服务器监控Agent和数据挖掘Agent,在客户机和服务器之间建立一种有效的协作关系,联合为每个用户主动提供最符合其需求的科技文献。提出了一种新的文献一读者契合度评估算法,算法综合考虑用户主动提供的订阅信息、用户的阅读历史情况、文献价值客观评价值以及文献发表的先后时间,获取契合度值向量对文献与读者的匹配情况进行客观的评估,从而在准确获得用户真实兴趣和关注领域的情况下及时为用户提供最有价值、最符合用户需求的高质量科技文献信息。分析了目前的网络信息获取和传送方法,然后介绍了基于智能Agcnt的科技文献快速协作推送系统模型,最后详细探讨了文献一读者契合度评佑算法及契合度向量的各个参数的计算方法。     

基于智能Agent的个性化生物信息检索系统的设计

设计了一个基于智能Agent的面向生物信息领域的信息检索服务系统,介绍了该系统的体系结构和各组成部分的设计思想,重点讨论了如何应用遗传算法对用户感兴趣的信息进行学习并推荐给用户.