基于Web社会网络的个性化Web信息推荐模型

随着 Web 信息量的快速增长,个性化的 Web 信息推荐系统扮演着越来越重要的角色。目前,大多数 Web 信息推荐系统存在着个性化程度不高,对用户历史数据依赖性高,系统不具备开放性,用户偏好“走样”概率高的问题。针对这四个方面的问题,本文提出了一种新的、采用语义 Web 技术、基于 Web 社会网络的个性化 Web 信息推荐模型,详细分析了用户偏好的获取,Web 社会网络的生成以及待过滤 Web 信息的采集。并且,利用从实际中采集的真实数据进行了实验,证明了模型的可行性和有效性。

基于Multi-Agent协同进化机制的Web个性化信息推荐的研究

Web个性化信息推荐是近年来的研究热点,但是面对Web信息量大、数据异构及信息安全等难题,以及信息推荐中信息过滤系统不透明、算法歧视、信息窄化等新问题,笔者根据Multi-Agent协同进化机制具有的并行性和自组织、自适应、自学习等智能特征,提出将Multi-Agent协同进化机制应用于Web个性化信息推荐,设计了基于Multi-Agent协同进化机制的Web个性化信息推荐系统。其中Multi-Agent根据内外部环境变化对适应度进行检测和评估而进行协同进化,由最优Agent产生推荐信息。这样有效帮助用户准确、快速地获得Web个性化推荐信息。