基于CBR的协同Web搜索模型及应用研究

随着互联网用户的不断增多以及搜索引擎的广泛使用,用户间进行协同Web搜索的行为不断增多,然而目前的主流搜索引擎和Web浏览器均针对用户的单独搜索行为设计,不便于进行协同Web搜索。在回顾相关研究的基础上,通过对Web搜索引擎的发展分析,指出存在两种实现协同Web搜索的方式,提出了一种基于CBR(case-based reasoning)的协同Web搜索模型,并介绍了基于此模型实现的两套协同Web搜索原型系统。

基于均模型的IBCF算法研究

基于项目的协同过滤(item-based collaborative filtering,IBCF)算法推荐精度高,实现简单,易于用于实际系统,然而因Item向量过长,计算相似性十分耗时。针对这一问题,从Item向量过长入手,提出了一种均模型表示Item向量的方法,缩短计算相似性的时间。在Movie Lens数据集上进行对比,实验表明,该算法在推荐精度基本保证的情况下,能有效缩短计算时间,降低时间复杂度。此外,本文还指出上述优化相似性计算方法可进一步优化来提高推荐精度和满足实际应用要求。