基于概念网的用户个性化信息检索研究

针对传统检索方法在当今网络信息环境下所面临的问题,提出了一种用户个性化信息检索新方法。在这种方法中,根据形式概念分析(FCA)理论,将用户偏好定义为概念网,用户概念网中的概念定义了用户偏好的范围和目标。使用传统的TF-IDF加权方案和ODP的参考概念层次,将用户偏好用概念矢量表示,进行用户概念网的扩展。比较测试表明所提出的方法不仅具有实现可行性,而且在检索效果上优于传统的检索模式,具有一定的应用前景。

智能搜索引擎中个性化信息检索技术研究

信息检索的一个难点是构造一个可以精确表达用户信息需求的检索式。个性化信息检索从某种程度上促进了这个问题的解决,它把用户区别对待,认识到了用户之间的不同之处,它为不同的用户提供不同的服务,以满足不同的需求。从智能搜索引擎中的个性化信息检索服务的角度出发,对其中用户建模的关键技术进行了研究,使用向量空间模型来表示网页和用户兴趣模型,并在此基础上,根据用户浏览网页的日志信息,通过隐性反馈技术,动态地调整用户模型,使用户模型的质量更高、描述用户的兴趣偏好更准确。经过模拟实验验证,该个性化检索算法能够有效地提高检索的查准率,并且具有良好的适应性。

基于向量空间模型的个性化网页搜索算法研究

为解决信息检索时不同用户对搜索结果有不同期望的问题,提出了一种基于向量空间模型的个性化网页搜索算法。针对用户不同兴趣,利用用户画像能够更加全面地表示用户兴趣的特点,通过向量空间模型建立用户画像来表达用户兴趣,结合传统的网页排序算法得出最终的网页排序结果。对于不同用户可得到不同的网页搜索结果,排序靠前的网页中符合用户兴趣的网页数量增多。通过对模拟网页搜索实验结果的分析,证明所提算法较传统PageRank算法在个性化网页搜索方面有所提高。