基于信息过滤技术的搜索引擎研究

随着网络信息数量的迅猛增长,“信息过载”、“信息超载”现象引起了人们的重视。信息过滤技术就是为了克服上述现象,减少用户在获得信息过程中的负担,向用户提供数量适宜、质量优良的信息。本文主要介绍了信息过滤的三种方式,重点研究了基于内容分析的信息过滤技术。并且给出了一个信息过滤技术的具体应用实例,说明了系统的设计思想、关键技术和具体实现。     

基于信息过滤技术的搜索引擎研究

随着网络信息数量的迅猛增长，“信息过载”、“信息超载”现象引起了人们的重视。信息过滤技术就是为了克服上述现象，减少用户在获得信息过程中的负担，向用户提供数量适宜、质量优良的信息。本文主要介绍了信息过滤的三种方式，重点研究了基于内容分析的信息过滤技术。并且给出了一个信息过滤技术的具体应用实例，说明了系统的设计思想、关键技术和具体实现。     

探讨信息网络中的信息过滤技术

针对用户爱好、兴趣的不同,信息过滤技术能够为用户提供个性化的信息服务,实现着对信息空间与用户之间的有效连接.本文对信息网络中的信患过滤技术进行了探究,以促使信息过滤技术的运用和发展.     

网络信息过滤的方法和技术研究

论述了网络信息过滤的原理,从用户的信息需求与表示、文本的表示技术等方面探讨了网络信息过滤的方法和技术以及存在的问题,提出Vague集之间的相似度量在网络信息过滤中的应用。     

信息检索和信息过滤的比较

分析了信息检索和信息过滤的搜索过程，前者是在静态信息源中搜索用户短期的特定信息需求的过程；后者是在动态信息源中搜索用户长期的特定信息需求的过程。通过对信息需求与信息源关系图的分析，可以采用整合信息检索技术和信息过滤技术的方法，也可以在信息检索技术和信息过滤技术的基础上，研究新的信息搜索技术，来实现在动态信息源中搜索用户短期的特定信息需求。     

“过滤气泡”现象对大学生价值观的消极影响及应对策略探究

“过滤气泡”现象在大数据推荐算法的助力下充斥于各大网络平台,它的产生及蔓延既有技术发展这个先决条件,也有网络平台和用户追捧这样的市场基础。文章从先决条件、动力基础、现实因素等三个方面分析了“过滤气泡”的成因,认为“过滤气泡”会导致大学生缺乏主动思考能力和创新意识、造成思想固化、对主流价值观理解不透彻等不良影响产生,并提出加强对用户数据隐私保护、提升大学生信息判断能力、增强主流价值观网络传播效能等措施,以期在大学生价值观形成的关键时期给予学生积极正面的引导,使其透过“泡泡”去认知和审视真实的世界。     

高职院校图书馆个性化信息服务系统模型设计与实现

为提升高职院校图书馆信息系统的个性化服务水平,优化知识管理,在传统OPAC平台基础上增加了读者兴趣模块和信息过滤模块,搭建图书馆个性化信息服务系统架构。依托分布式人工智能领域的Agent技术,在多智能Agent协同工作下,采用基于内容的过滤方式及智能Agent的学习、更新功能,从用户操作记录中提取特征信息,构建不同的兴趣模型。根据读者兴趣差异,与传统文档检索结果相匹配,有效过滤出读者需求信息,减少读者寻找需求信息的时间,提高读者检索效率,实现相似用户的信息推送,实现“信息找人”。     

基于时间和共同评分项目数的协同过滤算法研究

针对协同过滤系统中数据稀疏导致推荐质量下降的问题,提出了一种基于时间和共同评分项目数的协同过滤算法。其基本思想是：首先定义关于时间信息函数来降低预测误差,两个用户对共同评分的物品产生行为的时间间隔越远,他们之间的相似度就会越小;其次,定义和共同评分项目数量有关的函数,惩罚数量很少的两个用户之间相似度。实验表明,改进的算法通过调整用户相似度,比传统的协同过滤算法具有更好的推荐质量。     

“信息茧房”视域下大学生思想政治教育探究

“信息茧房”是指互联网平台通过标记用户检索、浏览的信息内容,为用户制定独特的信息场域,加之算法技术赋能,平台将大量同质化内容推送至用户的浏览界面,此种现象导致愈来愈多的大学生陷入由技术和自身编织的“信息茧房”之中,这对大学生思想政治教育提出了严峻挑战。要想破解此种现象带来的负面效应,应发挥高校、教师、大学生三方合力,促进负面效应的良性转化。     

一种基于用户行为的多Agent信息推荐系统研究

通过分析用户行为和Agent技术,提出基于用户行为的多Agent个性化信息推荐系统设计模型。对基于用户行为数据进行分析,整合用户的行为特性可以为用户带来更好的使用体验,多Agent技术能结合用户兴趣偏好信息及用户访问记录实现信息过滤并推理出用户的意图,从而提供个性化的推荐服务。     

两种协同过滤推荐算法的比较研究

web2.0的出现使得互联网中的数据以几何级数的形式增长,如何在浩如烟海的信息海洋中找到自己需要的内容是当前人们面临的一个挑战性问题,信息推荐系统便是为解决这个问题而出现的,而协同过滤算法是推荐系统中用途最广的一种算法.本文对基于用户的协同过滤算法和基于项目的协同过滤算法进行了介绍,然后利用Movielens中的影片数据对这两种算法的性能进行了比较,结果发现基于项目的协同过滤算法在影片信息推荐中要优于基于用户的协同过滤算法.     

流过滤——防火墙新技术剖析

NetEye Firewall 3.0中带给用户最大的好处在于对应用层的保护能力的大幅度提升,它以包过滤的外部形态,提供了只有应用代理才能够做到应用保护能力。下面我们将这个技术与普通的包过滤技术和应用代理技术分别进行一下对比分析,以便用户对这个技术有更清楚的了解。 “流过滤”与“数据包内容过滤”的比较:     

基于用户特征和用户兴趣的推荐计算

协同过滤技术是个性化推荐系统中最经典的代表,但传统的协同过滤技术也面临着冷启动、数据稀疏性等弊端,加上协同过滤技术很少考虑用户兴趣随时间变化和用户特征等因素,导致推荐质量不尽如人意。在传统协同过滤的基础上,结合用户兴趣变化和用户特征两方面,提出一种改进算法的协同过滤技术,与传统技术相比推荐质量显著提高。     

图卷积注意网络与神经协同过滤

如何在海量的信息中找到用户感兴趣的个性化信息是推荐系统要解决的核心问题.基于协同过滤的思想,从传统的矩阵分解到深度学习,推荐系统走过了漫长的发展历程.现有的方法不能显式地从数据中建模协同过滤信号.图卷积神经网络可解决这个问题,并且得到高质量的嵌入表示.传统的图卷积方法没有考虑不同项目对用户的差异性影响,通过引入注意力机...     

智能过滤垃圾邮件

交互式中文垃圾邮件过滤系统是基于“统计”规则的过滤方法设计并实现的,它兼具基于规则过滤方法与机器学习,以及概率统计过滤方法的垃圾邮件过滤系统的优点,同时还增加了邮件用户与垃圾邮件过滤器之间的交互,利用用户对邮件判定是否正确的反馈信息动态调整过滤器,从而提高过滤准确度。系统框架整个交互式中文垃圾邮件过滤系统的结构如图1所示。(1)CCERT垃圾邮件样本数据库。我们将来自CCERT垃圾邮件蜜罐网、用户举报以及CCERT应急响应系统接收和处理的垃圾邮件,经过分析整理后创建了CCERT垃圾邮件样本集合。(2)规则生成模块。该模…     

2005年中文垃圾邮件情况CCERT统计分析报告显示广州已成“垃圾邮件中心“?

本文分析数据主要来自从CCERT垃圾邮件蜜罐网获取的中文垃圾邮件,用户举报信息以及CCERT应急响应系统接收和处理的垃圾邮件事件信息.CCERT反垃圾邮件小组利用“CCERT垃圾邮件蜜罐网“将发送到ccert.edu.cn域,而又不存在实际对应用户的方式获取垃圾邮件,经过统计分析后创建了CCERT中文垃圾邮件过滤规则集(Chineses_rules.cf),目前该规则集已被上千个邮件服务器以及客户端有效地使用.……     

网络色情文本过滤技术的分析与研究

对当前网络色情信息过滤技术进行分析和研究,对基干IP和URL的过滤、基于关键字的过滤、基于内容理解的过滤三种过滤技术的实现方法、技术路线和优缺点进行了系统地研究分析,并对未来的研究进行了展望.为有关管理者进行决策提供科学依据,对研究者继续深入研究有着重要的参考价值.     

用户个性化模式中的匹配过滤算法研究

结合布尔模型和向量空间模型的优点,综合考虑了信息过滤过程中的匹配度和相似度,对于个性化模式库的表示,在改进的信息过滤匹配算法当中,给出了新的信息过滤匹配算法,从而更清晰表达用户的兴趣。     

融合信任度和热门惩罚的协同过滤推荐算法

随着互联网信息的发展,网络数据量大幅增长,极大提高了用户的有效信息筛选难度。推荐系统根据用户的历史行为和偏好信息而产生相应的推荐,协同过滤算法是推荐系统中的一种常用算法。传统的协同过滤算法仅使用相似度作为推荐依据时,仍然面临推荐精确率不高问题,本文在相似度基础上添加用户之间的信任度,对用户之间不对等的信任关系建模,再添加对热门项目的惩罚机制,从而弱化热门项目的推荐。通过对MovieLens数据集的实验结果进行验证可知,融合信任度的协同过滤算法的精确率、覆盖率和F1值均比传统的基于用户的协同过滤算法性能有所提高。     

基于Hadoop的Web用户识别与新闻智能推荐算法研究

为了解决大数据时代用户阅读时遇到的“信息过载”与“信息迷失”问题,提出了基于Hadoop平台的用户准确识别与新闻推荐算法。首先基于MAC地址识别用户,通过对用户浏览轨迹的离线和在线挖掘,建立用户兴趣模型。然后对新闻关键词进行聚类,结合协同过滤和启发式方法,基于关键词对用户进行新闻的智能推荐。实验结果表明,基于MAC地址的算法比基于IP地址的算法用户识别率提高了30%。