基于Web的个性化主动信息服务

论述了基于Web的个性化主动信息服务中，用户个体模型和个性化信息模型的构建方法。提出了实现个性化主动信息服务的体系结构模式，并指出基于Web的个性化主动信息服务是未来互联网发展的一个新热点。     

Web 2.0环境下个性化信息服务探析

在介绍Web2．0概念和特征的基础上,讨论了Internet上的个性化信息服务,结合Web2．0几种主要的信息服务形式,深入分析了其个性化信息服务的特征,并构建了Web2．0环境下的个性化信息服务模型。     

网络环境下高校图书馆个性化服务模型的构建

个性化信息服务就是将用户感兴趣的信息主动提供给用户。高校要实现个性化服务。必须提供相应的个性化信息服务的机制。从个性化信息资源模型的构建以及用户个性化信息需求模型的构建两个方面分析和研究了高校图书馆个性化模型构建的过程以及构建的方法等。     

基于Web挖掘的个性化服务研究

论述了基于Web挖掘的个性化服务研究，提出了利用Web挖掘方法的个性化服务研究中的用户聚类、Web页面聚类、用户频繁访问路径发现算法及用户访问路径优化算法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并对Web信息资源的组织方式进行有效更新，从而提高网络信息服务效率，为用户提供“一对一”的具备自适应性的智能个性化服务。     

一种基于本体论的用户兴趣模型构建方法

提出了一种基于本体论的用户兴趣模型构建方法.就是利用领域本体论,通过观察用户在浏览Web页面时所采取的动作以及用户的反馈信息,获取用户的兴趣信息,从而构建用户兴趣模型,实现个性化信息检索.     

个性化的Web信息搜索研究

Web搜索从根本上改变了人们查找信息的方式。实现Web信息搜索个性化主要有推荐系统和个性化的Web搜索系统两大类，概述了每种类型的基本思路，分析了Web信息个性化技术使用的个性化用户兴趣模型的建立取更新，剖析了实现Web个性化搜索的前提条件，展望了个性化搜索的将来。     

个性化用户兴趣模型的研究

随着人们对信息获取手段和效率提出越来越高的要求,传统互联网的服务模式正在逐渐向主动式、个性化、高效率的转变。个性化服务技术的出现在一定程度上解决了Internet中信息海量增长与用户获取信息手段相对简单之间的矛盾。用户兴趣建模技术作为个性化服务的核心问题,主要研究如何有效地进行用户兴趣的表示、更新、存储以及计算。     

Web信息个性化的研究

分析了个性化用户兴趣模型的建立度更新；综述了实现Web信息个性化的两类系统：推荐系统和个性化的Web搜索系统；研究了实现个性化搜索的前提条件；最后对个性化搜索的将来进行了展望。     

基于垂直搜索引擎的个性化信息服务探索

针对具体行业运用领域的需求,采用机器学习的方法对Web内容进行分析和挖掘并提供个性化服务是搜索引擎的一个重要发展趋势.从搜索引擎的通过原理出发,针对通用搜索引擎存在问题,构建基于垂直搜索引擎的个性化信息体系结构,结合用户共同兴趣模型与Hopfield Net Spider搜索策略实现用户个性化信息服务.     

搜索引擎系统中的Web个性化信息推荐技术

Web个性化推荐技术在现代互联网中有着广泛的应用,它能将Web网络信息按照用户的个性化需求主动地向用户提供服务。但是由于现代搜索引擎通常缺乏用户的相关登录信息和网页访问路径信息,所以传统的Web个性化推荐服务并不完全适用于搜索引擎。由于用户在访问搜索引擎时会产生大量的关键词访问序列,而这种关键词访问序列蕴含着丰富的用户个性化信息,基于此,提出了一种利用搜索引擎访问日志中的关键词访问序列来进行Web个性化推荐服务的方法,并分析了相关技术特点和实现细节。     

面向个性化服务的用户建模相关问题研究

个性化服务是未来信息服务的发展趋势。获取用户个性化的兴趣及信息需求是开展个性化服务的基础。用户建模技术在个性化服务所有的相关技术中处于基础核心地位。介绍并探讨了用户建模的方法、建模技术以及用户模型的更新、安全等相关问题。     

基于本体的数字图书馆个性化信息服务研究

本文引入本体对信息资源和用户兴趣特征进行描述,提出了在语义层次上实现数字图书馆个性化信息服务的系统框架模型,简单分析了各个部分功能,重点阐述了用户的兴趣建模和更新方法。     

信息过滤技术在基于Web的个性化定制服务中的应用

通过分析了Web个性化定制服务系统的三种体系结构和信息过滤技术的三种分类 ,构建了信息过滤技术在Web个性化定制服务系统中的应用模型 ,并讨论了其技术实现。     

基于领域本体的社区用户兴趣模型

本文以领域本体为理论基础,向量空间为基本方法,对Web社区环境下的用户个性化模型进行了研究,建立了Web社区环境下的用户兴趣模型,为进一步完善Web社区的个性化服务提供了一个新的基础。经过实验验证,此模型对描述用户兴趣有较高的可信度、可靠性和准确度。     

用户兴趣模型在图书馆个性化推荐服务中的应用

兴趣模型是图书馆信息个性化服务的关键技术,在向量空间模型的基础上,给出了层次型用户兴趣模型,介绍了在该模型下个性化推荐服务的框架,说明了利用反馈对兴趣模型进行调整的方法,并讨论了系统中涉及的关键技术.     

图书馆个性化信息服务模型的设计与实现

尝试构建一个用户兴趣模型,通过数据挖掘技术,从图书馆记录中挖掘用户兴趣信息,并根据用户兴趣将用户所需要的信息通过RSS技术推送给用户,实现基于用户需求分析的图书馆个性化信息服务。     

面向推荐服务的用户信息需求转化模型构建

本文从Web2.0时代的用户信息需求分析出发,探讨了基于显性行为和隐性行为的个性化服务需求,分析了用户对推荐服务的要求,构建了基于推荐服务的用户信息需求转化模型.     

基于隐式反馈的用户模型设计与实现

个性化信息服务技术实现的关键在于必须知道用户的兴趣,并准确地建立用户兴趣模型.本文利用用户浏览网页时的隐式反馈信息建立和更新用户模型,为了收集用户的浏览行为信息,在客户端设计了一个浏览器插件,并采用了回归分析方法建立了用于计算网页兴趣度的模型,通过实验数据分析证明所建立的模型是成立的.     

基于Web数据挖掘的个性化信息智能Agent挖掘系统模型

个性化智能挖掘是近几年出现的一个崭新的研究方向,它是人工智能与数据挖掘技术在Web或Internet环境下相互融合的产物。大部分个性化信息挖掘都只是建立在纯粹的Web数据挖掘之上,然而面对大部分的智能化技术的出现,面对用户能够快速准确地检索自己最想要的信息的需求,Web数据挖掘要进行相应的扩展,通过将Web数据挖掘技术和智能Agent技术相结合,从而满足用户的需求。本文主要提出两个模型:典型的个性化Web挖掘模型和个性化Agent智能挖掘模型。     

个性化信息服务与Web数据挖掘技术的契合

随着个性化时代的到来,信息服务机构必须提供个性化服务,才有可能在激烈的竞争中取得胜利.Web数据挖掘技术是实现个性化信息服务的关键技术.在构建基于Web数据挖掘的个性化信息服务的实现模型后,还对建立在Web数据挖掘基础上的个性化信息服务系统运行的基本流程、Web挖掘的数据资源、Web挖掘的技术方法、信息系统的服务内容、系统运行的注意事项等进行了探讨.