信息过滤模型的研究

信息过滤技术是当前研究的热点。该文简单地介绍了信息过滤中常用的三种模型:向量空间模型、布尔逻辑模型和概率推理模型;给出了一种基于模糊集合的过滤模型,通过筛选出关键词,为相关领域建立模糊集合;并阐述了如何确定该模糊集合中的隶属函数。

基于语义和学习机制的信息过滤模型研究

信息过滤技术是当前研究的热点。本文先分析了向量空间模型和布尔逻辑模型及其它们的优缺点,在此基础上提出了基于语义和学习机制的信息过滤模型,该模型是对字项文档矩阵使用奇异值分解[1](Singular-Value Decomposition,SVD)的方法来实现信息过滤的,并详细分析了此模型的优缺点。

搜索引擎的信息过滤技术

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。本文在略述了信息过滤技术的产生背景后 ,介绍了两种比较常用的信息过滤模型——布尔逻辑模型和向量空间模型。SIFT是一个著名的信息服务系统 ,它的核心就是信息过滤技术。因此 ,文章还详细地介绍了 SIFT的工作原理和其中所使用到的信息过滤技术 ,并且对 SIFT的性能、特点进行了分析 。