个性化信息检索中用户兴趣建模与更新研究

个性化信息检索系统的实时性关键在于如何动态更新用户兴趣模型。针对原有方法的不足,改进用户兴趣模型的描述与更新方式。首先根据网页文档的特征改进TF-IDF(Term Frequency-Inverse Document Frequency)算法,以此作为用户兴趣特征词的权重,同时通过引入领域本体,将用户兴趣特征项进行语义扩展,并根据用户浏览行为,改进其用户兴趣主题计算方式,并在此基础上提出用户兴趣模型的更新与遗忘机制。实验对比结果表明,该方法能够捕捉用户兴趣的变化,进一步提高个性化信息检索的准确度与用户满意度。     

基于本体的个性化信息检索研究

分析传统的信息检索系统存在的不足及其原因,将本体加入到检索系统中,提出一个基于本体的个性化信息系统的设计思路和系统模型,并对该模型的主要模块进行了介绍,探讨了利用本体的领域知识和用户的本体模型实现信息检索的过程．最后对该模型进行的性能评价表明在查全率和查准率方面都有很大改善。     

个性化搜索引擎中的用户兴趣模型分析与研究

针对用户兴趣模型构建问题,利用用户兴趣树描述用户兴趣,采用空间向量模型的表示方法,对构建用户个性化模型进行研究,并提出一种兴趣模型调整算法。模拟实验表明,该模型能有效提高检索结果的查准率,以满足用户个性化需求。     

基于用户模型的个性化信息检索研究

随着Internet的广泛应用,越来越多的信息以电子化方式存放在网上,但是信息获取手段的提高并没有满足信息增长的需要,导致了“信息过载”和“资源迷向”现象。虽然有许多信息检索和过滤工具被开发出来,然而,传统的搜索引擎信息服务系统没有有效的手段理解用户准确的信息需求,缺乏智能和个性。针对利用现有的搜索引擎进行信息检索的过程中存在的查准率低和用户无法跟踪网页信息变化的缺点,提出面向用户的个性化信息检索服务理念,在客户端建立基于关键词表的用户个性化信息检索模型。通过用户个性化信息检索模型内部各功能模块之间的通信协作达到面向用户的个性化主动信息检索服务。     

基于本体的个性化信息检索研究

分析传统的信息检索系统存在的不足及其原因,将本体加入到检索系统中,提出一个基于本体的个性化信息系统的设计思路和系统模型,并对该模型的主要模块进行了介绍,探讨了利用本体的领域知识和用户的本体模型实现信息检索的过程,最后对该模型进行的性能评价表明在查全率和查准率方面都有很大改善。     

RealCC在文本信息检索的个性化推荐中的应用研究

为实现文本信息检索中的个性化推荐，本文以用户焦点作为用户个性特征的描述，设计了适用于快速分类的混合前向角分类神经元网络RealCC。以用户焦点作为样本数据训练该网络后，可以通过该网络对用户查询结果进行快速分类以获得每务查询结果的推荐优先级。给出了使用用户焦点训练该网络的算法。实验表明，RealCC可以在保持分类精度的同时快速的完成对数据的分类，同时，基于用户焦点的个性化推荐，可以有效地减轻用户因从包含大量无关信息的查询结果中筛选感兴趣信息而产生的负担，较好地满足了用户对文本信息检索的时间要求。     

基于MAS的个性化信息检索系统

介绍了信息Agent进行个性化信息检索的基本技术及发展趋势;给出了MAS体系结构并分析了它的优点;描述了如何在Multi-Agent系统Calvin中实现个性化信息检索。     

基于Web的个性化信息检索关键技术研究

基于Web的个性化信息检索已成为当今研究的一个热点。文章主要分析研究了用户的确定及行为跟踪方法，提出了获取用户兴趣偏好的方法及构建和更新用户兴趣模型的方法，最后给出了个性化搜索算法。     

个性化信息检索中的文本分类方法

个性化信息检索使得搜索引擎能满足不目的,背景的用户的查询需求,该文主要探讨了个性化信息检索中常用的文本分类算法。     

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。     

支持个性化检索的User Profile研究概述

在现代搜索系统中,由于网络信息的动态性和用户兴趣的迁移性,通常的检索技术已难以满足用户的个性化需求,个性化搜索势在必行.User Profile作为描述用户兴趣和爱好的载体和手段,是个性化搜索领域的重要组成部分之一.本文论述了User Profile的创建、学习、存储、更新及其在个性化搜索系统中发挥的作用等,分析在相关反馈过程中,利用User Profile进行查询扩展的具体过程.针对向量空间模型和概率模型,分别讨论了User Profile的更新问题.最后,展望了User Profile的发展方向,得出"基于本体的User Profile是目前和将来最具潜力的方法"的结论.     

个性化检索系统中用户兴趣模型的研究

个性化检索服务已成为提高信息检索查准率的有效途径。论文针对用户兴趣模型的构建,在传统TFIDF算法的基础上,提出了一种基于文档结构和网页兴趣权重的TFIDF算法,并给出了用户兴趣模型的更新算法。实例分析表明,基于该文算法的用户兴趣模型能够改善用户兴趣的捕获情况。     

基于聚类和用户兴趣分析结合的个性化元搜索

随着Web信息的快速增长,搜索引擎已成为用户信息检索的主要工具。元搜索引擎综合了多个搜索引擎的搜索结果,提高了搜索的覆盖率,但是返回的结果往往数目庞大,并且很多结果与用户查询并不相关,这直接影响了用户检索的质量并增加了用户检索的代价。本文提出一种基于聚类的个性化元搜索引擎模型,系统通过对用户建立兴趣模型,对此模型进行聚类形成不同用户群,并对检索到的结果进行聚类处理,与用户模型聚类相结合返回给用户个性化的搜索结果。     

个性化搜索中的用户兴趣模型研究

研究目的是挖掘搜索引擎中用户兴趣偏好,实现个性化搜索引擎技术.研究方法采用识别用户输入查询串,通过查询进行挖掘用户兴趣类别,但有时用户输入查询串短,或者出现查询词歧义等.由于查询会返回一系列文档,将相关文档分类处理,能够更清晰识别用户兴趣偏好.结果显示通过文档关系矩阵,将用户查询映射到对应类别,发现用户兴趣爱好.对于兼类查询等问题可以通过扩展查询解决.结论是该模型通过查询串和相关文档之间关系,进而实现用户偏好的辨别.该技术为搜索引擎信息推荐等技术打下良好基础.     

个性化搜索引擎中用户兴趣模型的构建方法

在分析个性化搜索引擎的基础上,提出一种构建用户兴趣模型的方法.该方法综合考虑用户注册兴趣及浏览行为,将用户兴趣分为长期兴趣和短期兴趣并通过兴趣树进行存储.遗忘机制的引入保证模型能够及时准确地反映用户兴趣.模拟实验表明,本文提出的用户兴趣模型能够有效地提高检索效率,使搜索结果更好地满足用户个性化需求.     

基于用户反馈的个性化搜索引擎的研究

现有搜索引擎基本上采用＂搜索适用所有用户＂的模型,体现不出用户真正的兴趣所在。针对当前搜索引擎的不足,本文提出并研究一个基于用户反馈的个性化搜索引擎系统。通过学习用户满意度反馈信息,挖掘隐藏的用户兴趣信息,实现搜索引擎的个性化。     

一种长短期兴趣结合的个性化检索模型

个性化信息检索针对用户个人兴趣优化文档排序,被认为是改善用户检索体验的一种有效途径。为提高个性化检索模型的检索性能,该文提出了一种将用户的长短期兴趣结合的通用方法,利用用户长期兴趣和短期兴趣对查询模型进行改进。大规模真实搜索日志数据上的实验结果显示,利用长短期兴趣能够获得准确表达信息需求的查询模型,相对于传统的个性化检索模型取得了更好的效果。
     

贝叶斯分类方法在个性化信息检索中的应用研究

研究了用贝叶斯分类方法构建、更新用户兴趣模型,并给出了个性化搜索算法.