基于Ontology的信息检索系统研究

为了减轻用户在检索信息过程中的负担,根据现有信息检索模型存在的问题,引入本体的概念,建立了一种基于本体的信息检索模型.该模型目标是根据浏览器的历史记录、用户浏览网页的浏览行为等,来更新用户兴趣模块,以不同用户的不同信息需求向用户推荐符合用户意图的信息,从而有效的提高信息检索的查全率和查准率.     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet的迅猛发展,个性化信息服务越来越成为信息检索领域的研究热点．本文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,对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,该模型能有效提高信息检索的查准率．     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet的迅猛发展,个性化信息服务越来越成为信息检索领域的研究热点．本文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,对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,该模型能有效提高信息检索的查准率．     

基于社会化标注和网页分类的个性化检索方法

Web2.0为信息检索提供了很多可以使用的资源,其中两种资源对于个性化检索而言非常有益,那就是社会化标注和网页分类信息。用户给出的标签反映了其对于网页的认识和思考,而用户标注过的网页的类别则反映了用户在选择时的偏好和兴趣,两者的结合使用对个性化检索能起到良好的效果。在仅使用社会化标注进行个性化检索的方法上,提出基于标注和网页分类进行个性化检索的方法,通过两者结合筛选出兴趣和偏好相近的用户,进行用户属性的扩展,并在扩展时考虑用户的质量,从而能在个性化检索中取得更好的结果。在真实数据集上的实验表明,本文方法具有一定的优势。     

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.     

基于领域本体的个性化文本信息检索

为了解决传统检索技术无法为用户提供个性化服务和检索效率低的问题,提出了一种基于领域本体的个性化文本信息检索模型,阐述了该模型的结构和关键算法,并验证了算法的可行性。实验结果表明:基于领域本体的个性化文本信息检索能有效提高信息检索的准确率和效率。     

基于HMM的个性化智能推荐研究

Internet和电子商务的发展带动了对个性化智能技术的研究.提出基于隐马尔可夫模型的浏览兴趣发现方法,通过学习用户访问模式预测用户未来的网页请求,为不同需求的用户推荐所需服务,减少用户的无效操作.     

一种基于桌面信息的个性化推荐方法

针对当前信息检索服务中存在的固有缺陷,提出了一种基于用户桌面信息抽取的个性化推荐方法.详细介绍了通过用户桌面资源信息抽取建立长期用户模型,以及通过工作场景信息抽取建立短期用户模型的算法.长期用户模型提供了完整全面的用户兴趣偏好信息,短期用户模型则为预测用户当前信息需求提供了依据.实验结果表明,基于用户桌面信息抽取的个性化推荐服务能较好地预测用户当前需求、具有良好的推荐效果.     

网上商品信息采集Agent系统的结构与实现

探讨了一个面向Internet的个性化商品信息采集Agnet系统。该系统采用用户与用户Agent以及用户Agent与信息Agent的交互机制，采用分布式智能体Agent技术，相关反馈学习算法和基于多用户个性化模式的层次智能信息滤波算法，智能化适应用户兴趣的变化及环境的变化，反映了当前及今后信息检索领域发展的趋势。该系统适用于电子商务中的分布在Internet上的商品信息，有效地解决了现有系统在交互方式，自适应用户兴趣和信息源的变化，高效并行检索等方面的不足，满足不同用户个性化检索的需求，主动地帮助用户完成商品信息采集任务，方便了用户，能够满足人们在信息采集时的个性化要求，节约了用户的时间和精力，是“主动服务”的电子商务，具有灵活性和适应性。     

基于用户兴趣挖掘的个性化搜索引擎研究

随着互联网应用的不断深入,搜索引擎已经成为互联网信息检索必不可少的工具。传统的搜索引擎由于没有考虑到用户个人的兴趣爱好,无法满足人们信息需求的多元化趋势,因此个性化搜索引擎逐渐产生和发展起来,基于用户兴趣的个性化搜索服务越来越受到用户的欢迎。