基于二级向量描述的搜索引擎个性化服务模型

本文介绍了一种搜索引擎个性化服务模型。用二级向量进行文本特征提取和用户兴趣建模,关键词向量能快速定位用户的兴趣领域,而扩展词向量能准确反映用户在该领域上的兴趣偏好。当用户提交关键词时,本系统根据学习到的用户兴趣描述模型计算词间相关度,自动增加几个个性化扩展词提交给搜索引擎,实现不同用户键入相同关键词能返回不同信息的目的。实验结果充分表明本系统应用于搜索引擎个性化服务领域的有效性和实用性。

基于个性化词典的搜索引擎查询扩展模型

为了向用户提供个性化的web信息检索服务,该文对已有的个性化服务模型加以改进,介绍了一种基于用户个性化词典的搜索引擎查询扩展模型。该模型采用用户个性化词典替换传统的全局词典,并利用查询扩展策略实现个性化服务。用户个性化词典能够优化用户兴趣建模过程,使用户兴趣模型更加准确,从而优化最终生成的扩展词。借助扩展词,用户可以在搜索引擎上更方便地检索到更符合自己兴趣的网页。实验表明该模型能够通过搜索引擎,向用户提供有效可行的个性化服务。

面向Web检索服务的个性化词典的研究与实现

为了更好地向用户提供个性化的Web检索服务,实现了一种改进的个性化词典的生成算法——IGAUPD,用于在用户浏览的大量兴趣网页中挖掘出真正符合用户兴趣的词语,以此缩小传统词库的容量,使得在用户兴趣建模时,能更快更准确地形成兴趣网页的特征描述,并更好地支持个性化检索。IGAUPD算法采用新的词权计算公式IWTUPD,以更好地描述词语在网页集中的重要性,有效排除频繁词。最后,用实验验证了由IGAUPD算法生成的个性化词典的优势。