基于自适应用户模型的RSS内容过滤

为更好地解决用户如何从过载信息中快速获取需要的信息，利用RSS标准与内容过滤技术，提出了一种使用Rocchio单次反馈和多次反馈相结合的方法，此方法可以准确、快速地追踪用户兴趣的概念漂移，自适应用户模型的变化，更好地实现用户的个性化需求．为验证该方法的可行性，实现了一个基于RSS新闻的内容过滤系统（RSS News Filtering）．     

数字图书馆个性化服务用户模型研究

提出了一种数字图书馆个性化服务用户模型构架,并对实现过程中的几个关键问题,包括用户模型表示方法,用户模型的建立以及更新算法进行了详细论述.提出了基于本体论的空间向量用户模型表示方法,建立了简单的数字图书馆领域本体,以空间向量表示用户模型,以本体概念作为向量的特征项;采用支持向量机分类算法和无监督聚类算法相结合提取用户兴趣;在用户模型更新方法上,采用渐进遗忘和滑动窗口相结合的方法实现用户兴趣概念的漂移.     

基于用户类别兴趣偏好的个性化排序方法

信息检索中,个性化排序在传统的基于内容匹配的排序算法基础上,结合用户兴趣特征,返回更符合用户需求的检索结果.由于用户数据存在稀疏性和兴趣爱好不均衡等问题,用户兴趣偏好模型构建通常不是很精确,检索效果也不佳.本文在前人研究的基础上,提出了一种基于用户类别偏好的个性化排序方法.该方法首先借助词向量技术计算查询词和文档标签集之间的语义相似程度,其次,考虑到用户对不同兴趣的偏好程度不一,通过构建用户兴趣偏好模型,计算出用户对不同兴趣类别的偏好程度,对待查询文档进行个性化处理,以达到个性化排序的目的.在真实数据集上的实验表明,与传统方法相比,本文提出的方法可以有效地改善用户的个性化检索效果.     

一种高效的个性化中文分词词典

Web个性化服务的核心技术之一是准确描述用户兴趣的用户模型，通过用户行为来挖掘用户兴趣是这一领域研究的重要手段．该文为了对Web个性化服务中用户浏览文档进行分析研究，采用了一种新型的个性化分词词典，通过实验证明是切实可行的，并且极大提高了系统的效率．     

基于综合用户信息的用户兴趣建模研究

为实现个性化服务,理解用户兴趣成为提供搜索服务的关键任务,因此针对传统的用户兴趣建模技术的一些不足,提出了基于浏览内容、浏览时间和操作时间的综合用户兴趣建模方法,将VSM和SVM引入用户兴趣模型的构建,并在此基础上给出了推荐系统的框架,实现了基于此模型的推荐系统.试验结果显示,系统较好的实现了用户感兴趣信息的推荐.     

基于内容的个性化新闻推荐

不同的用户有不同的兴趣指向,个性化推荐的核心在于如何提高推荐命中率.以新闻文档内容特征为基础,用ICTCLAS完成分词和频数统计,建立基于内容的新闻文档模型和动态的用户兴趣模型,实现新闻文档的比较、分类和个性化推荐,并用SSHA框架技术对系统进行设计.     

基于泊松模型的WCN频谱感知能耗问题研究

在WCN(无线认知网络)中,提出了很多种频谱感知算法用于提高频谱感知的性能和检测概率,但鲜有文献研究频谱感知过程中能耗的问题.泊松过程在WCN中因其均匀随机性可以用于进行干扰受限下的能耗统计.因此,提出基于泊松分布对WCN中的频谱感知能耗问题进行建模研究,将频谱感知能量拟合为WCN的空间密度、认知用户的数量和跳数的函数,对频谱感知能耗建模为一个伽玛截断分布.在此基础上,分析比较了传统的时间频谱感知与带宽频谱感知方法的能耗.仿真及分析结果表明了带宽频谱感知方法在用户数与时间上的能耗均小于时间频谱感知,从而验证了带宽频谱感知的优越性.     

基于查询\|概念的用户兴趣模型构建

针对查询\|概念二分图因概念抓取和查询词权重设计不足而导致构建的用户兴趣模型不合理的问题, 提出一种基于查询\|概念二分图的用户兴趣建模算法。通过tf×idf公式抓取概念, 并利用用户对查询词的浏览时间计算查询词的权重, 确保改进后的查询\|概念二分图能更准确地表示用户的查询意图。实验结果表明, 该算法构建的用户兴趣更为合理。     

基于带权语义距离的网页预取方法

为了体现词条之间的关系,更好地为用户提供个性化服务,提出了在语义网络下对用户兴趣建模的思想. 根据用户的访问历史,利用知网建立基于概念关系的用户兴趣森林模型. 通过计算机链接描述文字的平均带权语义距离,预取用户将来可能访问的Web页. 基于带权语义距离的网页预取方法对用户兴趣进行归纳,用带权语义距离反映词与词之间的概念关系. 实验结果表明,此方法的命中率较高,漏取率较低,平均命中率可以达到61%左右.     

基于内容信息过滤的智能Agent及其实现

本设计并实现了一个基于内容信息过滤的智能Agent：CuteSeareher．它能够根据用户提交的示例档，采用机器学习的方法对用户的兴趣进行建模．并通过与www上的搜索引擎相互作用，自动查找用户所需的信息．在两个方面解决了现有过滤系统在学习方法方面的不足：第一，采用了概念推理网解决词组分割问题；第二，使用基于协同演化的遗传算法解决档的特征抽取问题．测试表明它可以有效地帮助用户在www上搜索信息．     

基于概念语义空间的联想检索

为了快速准确地满足用户提出的检索需要,在大量的文本文件中检索出用户真正所需的信息,首先在文本的概念空间上建立了概念语义空间并以此为基础建立了一个具有联想功能的索引系统,其次运用大型语义词典为用户提供了一个智能检索接口,该接口能主动分析使用者输入的关键词,并确定使用者的实际检索需求,这种检索系统能够大大提高用户的检索效率和准确度。     

图像检索中基于标记与未标记样本的主动学习算法

为解决监督学习过程中训练样本集过小问题，提出一种未标记样本辅助学习与主动学习相结合的学习方法．基于用户已标记样本与数据库内未标记样本，利用EM算法得到初始朴素贝叶斯分类器与初始假设；主动学习算法寻找数据库内对于优化学习过程最有用的样本请求用户标记；算法根据用户反馈，迭代更新已有查询概念，直至用户满意为止．实验表明，本文算法能够显著提高学习器的效率和性能，并可快速收敛于用户定义的查询概念．     

智能用户接口中基于学习的用户建模方法

提出了一种基于学习的方法,对用户进行隐式的、分布式的建模.学习的作用体现在两个方面:通过基于学习的合同网协议获取用户的原始模型;通过基于观察的学习获得本次登录后用户的新模型.与其他建模方式相比,该方法不限制用户登录的终端又能充分利用用户的历史信息;该方法不侵犯用户的隐私,具有较好的适应性,通过学习,系统可以了解不同用户的爱好以及同一个用户的时变爱好.     

Web multimedia information retrieval using improved Bayesian algorithm

The main thrust of this paper is application of a novel data mining approach on the log of user‘ s feedback to improve web multimedia information retrieval performance. A user space model was constructed based on data mining, and then integrated into the original information space model to improve the accuracy of the new information space model. It can remove clutter and irrelevant text information and help to eliminate mismatch between the page author‘ s expression and the user‘ s understanding and expectation. User spacemodel was also utilized to discover the relationship between high-level and low-level features for assigning weight. The authors proposed improved Bayesian algorithm for data mining. Experiment proved that the au-thors‘ proposed algorithm was efficient.     

垃圾邮件的概念漂移及过滤技术研究

提出了双级别的概念漂移检测算法,监视已有的垃圾邮件过滤模型在对邮件分类时是否产生了持续的分类错误,进而对概念漂移进行识别。针对由用户偏好引起的垃圾邮件概念范畴变化,基于本体提出邮件数字指纹与概念子类别之间的关联强度和隶属度算法。通过对比实验,验证了所提方法在垃圾邮件概念漂移问题上的有效性。     

基于代数操作的XML模糊查询方法

用户在查询XML文档时经常有模糊的或者不精确的查询要求.基于代数操作,提出了一种新颖的查询方法表达用户的模糊查询意图.该方法是定义一个模糊代数操作的集合,能够支持XML模糊查询.模糊查询的结果能够满足用户提出的模糊查询条件.为了处理多查询结果的问题,提出了一种考虑隶属度和用户自定义权重之间相关性的排序方法.进一步有效地计算了模糊查询结果的top-k答案.最后,初步的评估结果表明模糊代数操作方法能够有效地获取用户的模糊查询意图,验证了所提方法的有效性.