基于用户兴趣模型的高校新闻网信息推送模式研究

以高校新闻网信息推送为研究对象,在学习和掌握国内外先进的信息推送技术及其应用的基础上,结合国内高校新闻网站信息的特点,提出了一个用户过滤和文本内容过滤相结合的高校新闻网信息推送模式,为用户提供主动信息服务。     

基于Agent的个性化搜索模型

该文针对传统搜索引擎单纯面向信息过滤的缺点 ,引入Agent技术 ,提出了第 2层信息服务模型 ,其中采用了基于用户个性的信息再过滤方法。第 2层信息服务模型在第 1层信息服务 (即传统的搜索引擎 )之上构建用户兴趣模板和分组模型 ,将用户需求定义为显性需求和隐性需求并给出了相关算法。依据此定义获得相应信息服务于用户 ,增强了信息搜索能力。     

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）．     

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).     

面向用户兴趣的Web信息过滤系统

研究了面向用户兴趣的Web信息过滤系统的主要技术,包括用户兴趣表示、度量和更新、网页内容识别和网页信息过滤等技术,并在此基础上设计和实现了一个Web信息过滤系统。该系统能够进行一定的信息过滤,能够进行自学习,并随着用户兴趣的变化渐渐更新,基本能够实现用户的个性化信息服务需求。     

加入时间因素的个性化信息过滤技术

提出一种加入时间因素的个性化信息过滤技术.在建立用户模型时,根据用户行为动态确定用户兴趣类别的数量并建立(调整)相应兴趣类别的特征向量.通过在表示用户兴趣类别的特征向量中添加时间因素,可以兼顾用户的短期和长期兴趣,跟踪用户的兴趣变迁.在信息过滤时,首先计算文档与用户兴趣类别的相似度,并根据时间参数调整最终得分.本系统每秒钟能学习文档267篇,为402篇文档评分;在召回率为70%时,精确率为57%.     

基于支持向量机的网络信息过滤模型研究

随着互联网信息的迅速增长,信息过滤技术得到越来越广泛的应用.笔者将支持向量机引入到信息过滤中,利用它来训练样本进而构建用户模板.同时,考虑到用户信息需求的动态性及构建完备训练集的困难性,在系统中引入反馈技术来进一步调整优化用户模板,提高过滤的自适应能力及准确性.     

Internet信息过滤中用户个性化模式的构建

提出了个性化信息过滤技术，并对其基本原理进行了阐述；构建了用户个性化模式，给出了用户分类算法。最后，对当前存在的问题进行了总结。     

面向主动信息服务的网络安全过滤技术研究

通过介绍主动信息服务存在的安全性问题,提出了将传统信息过滤技术应用于解决该问题的方法。在此基础上,通过介绍信息过滤技术的相关内容,定义了一种以过滤目的为标准的新的信息过滤分类形式——用户过滤和安全过滤,并对网络信息安全过滤技术的实现做了进一步研究。     

基于分类模板的用户模型构造方法

用户模型是信息过滤系统中的重要组成部分 ,它描述的是一段时间内相对稳定的用户信息需求。本文通过对动态数据源的分析 ,提出了一种基于分类模板的用户模型构造方法