基于改进用户浏览行为个性化搜索引擎系统研究

提出了一种改进用户浏览行为的用户兴趣模型,该模型综合考虑了用户对页面的浏览行为、用户的长期兴趣和短期兴趣。将这种改进的用户兴趣模型应用于个性化搜索引擎系统中,详述了系统的基本框架、系统基本功能模块,开发了一个演示系统IUBPSES。模拟实验显示:利用该改进用户兴趣模型的搜索引擎系统进行关键词搜索,其搜索效果优于当前主流搜索引擎系统。最后,指出了需要改进和进一步研究方向。     

基于向量空间模型的用户兴趣模型研究

分析了搜索引擎服务质量不高的原因,提出使用用户兴趣模型提高个性化信息检索质量的方案。设计了一个基于向量空间模型的用户兴趣模型算法,该算法根据页面的反馈度以及关键词在页面中出现的频度和位置计算该关键词的权重,使个性化信息检索效果得到了明显提高。     

个性化元搜索引擎的研究

针对现有搜索引擎的局限性和当前用户的个性化需求,以用户兴趣模型为基础,对个性化元搜索引擎的基本原理和结构、方法及关键技术进行了研究,并在此基础上提出了用户个性化元搜索引擎的简单实现。     

基于用户兴趣的个性化搜索系统研究

针对目前常用搜索引擎在查询时返回结果数量巨大且杂乱无章的现象,在Web客户端为实现对用户的个性化信息服务设计了一种基于用户兴趣的搜索系统。利用用户的兴趣对于用户提出的搜索条件进行处理,再通过常用的搜索引擎进行查询,并将得到的结果进行二次排序,同时通过反馈信息不断更新用户的兴趣,以满足用户不断变化的需求。实验证明这样在保证了查全率的基础上,提高了查准率,从而提高了搜索效率。     

基于用户兴趣的个性化搜索系统研究

针对目前常用搜索引擎在查询时返回结果数量巨大且杂乱无章的现象,在Web客户端为实现对用户的个性化信息服务设计了一种基于用户兴趣的搜索系统。利用用户的兴趣对于用户提出的搜索条件进行处理,再通过常用的搜索引擎进行查询,并将得到的结果进行二次排序,同时通过反馈信息不断更新用户的兴趣,以满足用户不断变化的需求。实验证明这样在保证了查全率的基础上,提高了查准率,从而提高了搜索效率。     

基于用户兴趣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(Search Engine)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.     

基于PLSA的面向用户的网络搜索

针对当前的搜索引擎提供面向查询、而非面向用户的服务,从而导致搜索引擎无法满足用户个性化的需求这一问题,提出了一种基于PLSA的新方法,将面向查询词的搜索转变成面向用户的搜索.首先,通过分析用户查询历史和浏览记录建立代表用户模型的用户兴趣向量,在用户发出查询时用户的查询词根据用户兴趣向量被映射到兴趣分类上,最终根据面向用户排序算法将返回结果列表重新排序.实验表明该面向用户搜索系统能够充分考虑用户的偏好,从而更好地满足不同用户的信息需求.     

个性化信息服务中用户兴趣模型的研究

面对网络海量信息资源,信息检索越来越显示出其重要性,但原有检索系统并没有考虑到用户知识背景和用户兴趣。针对在一段时间内需求相对稳定的用户,为满足他们的个性化信息需求,系统必须快速准确获得其个人信息,从而使检索系统实现个性化信息服务。文章对个性化信息收集、特征提取、用户兴趣模型创建和用户兴趣模型更新等有关方面的实现方法进行了重点阐述。     

基于浏览历史的用户兴趣提取模型

提出了一种基于用户浏览历史的用户兴趣提取模型,它隐式地收集用户信息用于个性化搜索中,即是通过对用户兴趣度的定义,在用户的浏览历史中得到一组代表用户兴趣的网页,并设计一个聚类算法,对这组代表用户兴趣的网页进行聚类操作,从而得到能代表此用户兴趣类别的词,即用户的兴趣。     

基于云计算的用户兴趣建模

针对电子商务平台推荐结果准确率低和无法真正实现个性化的问题,本文提出了一种基于云计算的用户兴趣建模和更新方法。以用户的注册信息、评分信息和浏览行为作为偏好原始数据,通过云计算得到结构化的主题和特征项信息,构建兴趣模型。利用用户的反馈自适应地调整主题特征值向量和阀值,更新用户模型。通过加入时间向量区别活跃兴趣和稳定兴趣,及时准确地反映用户兴趣变化,提高个性化服务性能。     

基于云计算的用户兴趣建模

针对电子商务平台推荐结果准确率低和无法真正实现个性化的问题,本文提出了一种基于云计算的用户兴趣建模和更新方法.以用户的注册信息、评分信息和浏览行为作为偏好原始数据,通过云计算得到结构化的主题和特征项信息,构建兴趣模型.利用用户的反馈自适应地调整主题特征值向量和阀值,更新用户模型.通过加入时间向量区别活跃兴趣和稳定兴趣,及时准确地反映用户兴趣变化,提高个性化服务性能.     

基于相关反馈的个性化信息检索模型研究

分析了通用搜索引擎存在的不足,设计了一个基于相关反馈的个性化信息检索模型。该模型采用相关反馈技术与用户个性化模式相结合的方式进行信息检索,使信息检索的效果有了明显提高。     

一种面向主题的用户兴趣挖掘模型研究

用户查询表达式中包含的有效信息对于检索结果影响很大,利用企业信息系统搜集和挖掘与用户检索兴趣相关的信息,有助于解决检索信息不足的问题.为此,提出一种面向领域主题概念的搜索引擎构架,据此建立面向主题的复合算子调节用户兴趣趋向的线性规划预测模型,该模型可预测用户的最大兴趣,生成用户兴趣查询表达式,提高检索的查准率和查全率.另外,还提出一种用户兴趣演变探测因子重建用户兴趣特征向量的方法.     

基于概率潜在语义分析的Blog个性化查询扩展研究

随着Web2.0技术的日益成熟和Blog技术的发展,Blog页面的数量呈指数级上升,只靠基于关键字匹配的Blog搜索引擎已满足不了用户的需要。传统Blog搜索引擎的搜索效率达不到用户个性化要求,受概率潜在语义分析技术研究的启发,将概率潜在语义分析模型用于Blog日志查询,根据用户的兴趣和个性化特点进行检索,返回与用户需求相关的查询结果。实验结果表明,相对于传统的向量空间模型和潜在语义分析模型,基于概率潜在语义分析模型的Blog日志查询在平均精度和召回率上得到了显著提高。     

基础教育资源网中个性化资源推荐服务研究

为了使资源网用户能够在海量资源中,准确快速地找到自己感兴趣的资源,本文提出了一种个性化资源推荐服务模型.该模型在分析资源和用户特征的基础上,讨论了资源描述与用户兴趣的建模方法及用户兴趣漂移的处理方法,设计并阐述了该服务的模型和实现方法,最后介绍了该模型在"辽宁省基础教育资源网"上的应用情况.     

基于WEB挖掘的高校档案馆用户浏览行为个性化研究

本文首先对当前主要的Web挖掘技术和高校档案馆用户兴趣建模技术进行了分析,提出了以高校档案馆用户在高校档案馆网站浏览内容分析为主,浏览行为分析为辅的高校档案馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

一种改进的用户兴趣模型构建及应用

针对用户浏览的Web页面内容进行用户兴趣挖掘,并采用多元线性回归分析法进行用户浏览行为分析,得到用户兴趣特征矩阵,隐式地创建了用户兴趣描述文件,最后通过基于有效指数的K Means聚类算法得到了改进的用户兴趣模型。实际应用表明,该模型能有效地表达用户的兴趣偏好,提高了个性化服务质量。     

英语教学资源库系统中个性化检索模块的设计

针对目前教学资源服务中普遍存在的海量教学资源与用户个性化需求之间的矛盾,在基于校园网的英语教学资源库系统中建立了一个教学资源个性化检索模型,该模型把基于网络的个性化信息服务引入英语教学资源体系,尊重用户中存在的差异,学习和跟踪用户的个性化兴趣,并根据用户的个性化兴趣特征对英语教学资源进行过滤,实现少而精的教学资源个性化检索。实验表明:该模型能有效地提高英语教学资源服务中个性化检索的查全率和查准率。     

基于WEB挖掘的高校档案馆用户浏览行为个性化研究

本文首先对当前主要的Web挖掘技术和高校档案馆用户兴趣建模技术进行了分析,提出了以高校档案馆用户在高校档案馆网站浏览内容分析为主,浏览行为分析为辅的高校档案馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

基于读者兴趣度的高校图书馆书籍推荐方法研究

随着计算机的迅速发展,基于兴趣度图书推荐系统通过统计用户浏览信息,预测其偏好以达到推荐图书的目的。本文研究用户兴趣模型,通过学习分析个性推荐及主要推荐算法的功能和原理,构建用户兴趣模型,实现了兴趣推荐功能,大大减少了用户索书时间。