自適應(yīng)數(shù)學(xué)科研信息推送服務(wù)模型研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展，網(wǎng)上信息資源快速增長，人們面對太多的信息無法選擇和消化。Internet上信息資源分布的廣泛性和高度無序性給用戶尋找感興趣的信息增加了很大困難。由于當(dāng)前的搜索引擎具有通用的性質(zhì)，因此很難滿足不同背景、不同目的和不同時期用戶的查詢請求。用戶的信息需求一般具有個性化的特征，這些信息需求是相對穩(wěn)定的、時間相對長久的，當(dāng)然也會隨著時間的變化而不斷變化的。因此用戶期待著能夠適應(yīng)個性化信息需求的信息服務(wù)軟件的出現(xiàn)。
　　

2、 個性化推薦服務(wù)技術(shù)已經(jīng)成為當(dāng)前信息檢索領(lǐng)域的研究熱點之一。所謂個性化服務(wù)就是指對不同的用戶采取不同的推薦服務(wù)模型，提供不同的搜索內(nèi)容，其關(guān)鍵在于知道用戶的興趣，并準(zhǔn)確地建立用戶興趣模型。用戶興趣模型是否準(zhǔn)確地反映用戶的興趣決定了系統(tǒng)提供個性化推薦服務(wù)的質(zhì)量。
　　 本文提出了一種基于搜索結(jié)果聚類分析的個性化推薦模型，首先對當(dāng)前主要的web挖掘技術(shù)和用戶興趣建模技術(shù)進行了探討，提出了以用戶瀏覽教學(xué)科研信息內(nèi)容的分析為主和以用戶

3、瀏覽行為分析為輔的用戶興趣模型。然后，對文檔的表示技術(shù)進行了研究，包括文本的向量空間模型表示、特征項的選擇，將文本表示為結(jié)構(gòu)化的向量空間模型。文檔內(nèi)容與用戶興趣模型的比較就可以采用常用的相似性函數(shù)來進行相似度計算。再利用多種信息的融合算法對搜索結(jié)果重新排序，對結(jié)果進行聚類分析，調(diào)整不同類別文檔的權(quán)重后進行自適應(yīng)推薦。最后，對上述改進方法做了較為全面的實驗。根據(jù)教學(xué)科研信息推送實驗結(jié)果分析表明，本文提出的用戶興趣模型能較準(zhǔn)確地描述用戶興趣