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。     

个性化搜索中的用户特征模型研究

用户特征的描述方式是实现个性化搜索算法的核心因素。针对传统的基于关键词向量空间模型的用户特征描述过于简单,不能全面描述用户兴趣的缺陷,将folksonomy的结构与本体概念的清晰语义相结合,提出一种多层用户特征描述方式。从用户兴趣主题、用户间关联两个不同角度,从用户生成的标签、标记的文档及主题等不同层次建立用户特征描述模型,并将其应用于个性化搜索过程的方式进行分析。同时对个性化搜索的结果评价方式、资源类型对用户特征及搜索结果的影响进行了讨论。在Delicious和Flickr两种不同类型数据集上的实验表明,所提出用户特征模型能够有效提高个性化搜索结果的性能。     

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.     

基于用户兴趣的个性化搜索系统研究

针对目前常用搜索引擎在查询时返回结果数量巨大且杂乱无章的现象,在Web客户端为实现对用户的个性化信息服务设计了一种基于用户兴趣的搜索系统。利用用户的兴趣对于用户提出的搜索条件进行处理,再通过常用的搜索引擎进行查询,并将得到的结果进行二次排序,同时通过反馈信息不断更新用户的兴趣,以满足用户不断变化的需求。实验证明这样在保证了查全率的基础上,提高了查准率,从而提高了搜索效率。     

SEM中的用户搜索行为研究

作为网络营销的组成部分,搜索引擎营销的重要性日益突出。从早期自动提交软件的出现到基于网页代码标签检索技术的诞生到搜索;引擎算法的出现到如今基于搜索引擎的sEM阶段,搜索引擎正在深刻改变着网络营销的行为模式。在SEM中,研究用户搜索行为至关重要。只有了解来自搜索引擎的网站用户的搜索行为,才能使得用户的搜索更加精准、有效,从而使网站避开激烈的竞争。     

网络号百用户兴趣模型挖掘算法

为了实现在线推荐信息服务,要对网络号百用户的访问行为进行分析,荻取用户访问聚类模型,从而在聚类模型的基础上进行在线推荐.介绍获取用户访问路径信息的方法,对用户访问路径信息建立相似度矩阵,基于相似度矩阵改进K-means算法,据此进行用户模型聚类,给出分析案例,并说明算法实现过程.     

基于用户兴趣的个性化搜索引擎的设计

建立了个性化条件下的用户兴趣模型。该模型借助于对用户自身信息和其他用户访问信息的挖掘,得到用户兴趣向量,并以此对检索结果进行过滤,从而使用户得到的检索结果能够满足用户个人爱好。最后,本文应用该模型设计了一个个性化搜索引擎系统。     

个性化信息过滤系统中用户兴趣模型建立和更新

提出了一种新的用户兴趣模型的建立和更新方法.该方法通过web内容挖掘和用户行为分析建立用户模型,而通过移动时间窗口更新用户模型.实验表明,该用户兴趣模型能有效提高检索精度,提高个性化信息服务的效率.     

基于Agent的用户个性化兴趣模型的研究

1引言 随着Internet的飞速发展,网络的应用变得越来越普及,人们可以在网上搜索信息,在网上浏览、购物、学习.然而,人们同时也发现,在网络这个信息的海洋里,要快速地寻找到自己真正感兴趣的信息,也变得越来越困难,这就是"信息超载"和"资源迷向"问题.     

个性化搜索引擎中用户模型智能调整算法的研究

个性化信息服务越来越成为信息检索领域中研究的热点。针对用户模型构造问题,文章结合手工定制建模与自动分析建模技术,利用空间向量模型表示法,提出了一种用户模型智能调整算法。模拟实验表明,该结构和算法能够有效地提高检索结果的准确度,并且具有良好的可适应性。     

基于搜索历史的用户兴趣模型的研究

提出了一种新的基于搜索历史的用户兴趣模型，目的是解决现有搜索引擎很难考虑用户兴趣来实现用户个性化搜索以及用户兴趣很难更新的问题。提出了基于搜索历史的用户兴趣的表达方法和自动隐式学习算法。全面地描述了用户兴趣模型的建立及通过自动隐式学习算法不断更新、优化模型的处理过程，并给出了对模型的评价标准。     

基于搜索历史的用户兴趣模型的研究

提出了一种新的基于搜索历史的用户兴趣模型,目的是解决现有搜索引擎很难考虑用户兴趣来实现用户个性化搜索以及用户兴趣很难更新的问题。提出了基于搜索历史的用户兴趣的表达方法和自动隐式学习算法。全面地描述了用户兴趣模型的建立及通过自动隐式学习算法不断更新、优化模型的处理过程,并给出了对模型的评价标准。     

个性化信息服务中基于Tag的用户兴趣模型

随着web信息爆炸增长,个性化信息服务成为人们研究的热点,用户兴趣建模是个性化服务的关键,针对当前用户建模的缺点和tag的广泛应用,对基于tag的用户兴趣建模进行研究,首先通过实验证明tag中蕴含用户稳定的兴趣及tag分布的其他特征,然后提出加权树形结构由粗到细的粒度表示用户模型,为提高服务时效性,对用户频繁一起使用的...     

个性化服务中用户兴趣模型相关技术的研究

因特网的出现给人们利用信息带来的极大便利,然而随着信息资源的不断增多,人们利用信息的效率却在不断降低,这就是通常所知的信息过载或者信息迷向问题,介绍了现在比较流行的个性化推荐技术,并对其中核心的建立用户兴趣模型的问题及其涉及的相关技术进行了详细介绍。     

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。     

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.