一种无结构P2P系统中基于层次兴趣树的语义检索机制

提出了一种无结构P2P系统中有效的语义检索方法:基于层次兴趣树(HIT)的语义检索。每个节点中所有的文档根据分类目录被分类成层次兴趣树,并发送至该节点所属的超级节点。同时,每个类中前n个关键词的倒排文档索引,也会依据它们的χ2统计值被发送至超级节点。当节点发送一个查询并给出类别语义相似性阈值Simth时,查询消息通过一个有效的查询路由算法被转发,结果则通过搜索HIT返回。不同的节点可以给出各自不同的Simth,其灵活性可以为每个节点提供更好的个性化服务。实验表明在无结构的P2P系统中,基于HIT的语义检索方法比以前的方法具有更好的准确性和有效性。

基于PLSA方法的用户兴趣聚类

为了在个性化搜索过程中能够准确地挖掘到用户的潜在兴趣并进行相应的聚类分析,提出采用潜语义空间的Zipf分布的特性,并结合PLSA(概率潜在语义分析)来获取全文的语义.即先通过Zipf分布原理找到文档的潜在语义空间,在此空间中对用户的兴趣进行聚类,并建立用户兴趣描述文件(user profile),即建立用户兴趣层次树.实验表明,所提出聚类算法的聚类效果明显优于传统的VSM(向量空间模型)的聚类效果,同时,在著名的CTI数据集上的个性化推荐实验结果也充分说明基于潜在语义空间构建的用户兴趣描述与用户真实兴趣相符合.