個(gè)性化服務(wù)中用戶興趣模型的研究與設(shè)計(jì).pdf

1、隨著網(wǎng)絡(luò)信息的高速增長(zhǎng),為了解決信息過載和信息迷航所帶來(lái)的種種問題,個(gè)性化服務(wù)已經(jīng)成為信息領(lǐng)域研究的熱點(diǎn)之一。個(gè)性化服務(wù)針對(duì)不同的用戶采取不同的服務(wù)策略,提供不同的服務(wù)內(nèi)容,用戶興趣建模是其關(guān)鍵技術(shù)之一。用戶興趣模型能否準(zhǔn)確地反映用戶的興趣決定了系統(tǒng)提供個(gè)性化服務(wù)的質(zhì)量。本文針對(duì)用戶興趣建模進(jìn)行了以下幾方面的研究:
　　首先進(jìn)行數(shù)據(jù)的采集。系統(tǒng)隱式地收集用戶瀏覽頁(yè)面和瀏覽行為作為用戶興趣建模的主要數(shù)據(jù)來(lái)源,在對(duì)頁(yè)面進(jìn)行預(yù)處理,抽取

2、頁(yè)面內(nèi)容后,采用本文提出的適用于中文文本聚類的單文檔特征提取方法——基于綜合指標(biāo)的特征提取方案來(lái)提取頁(yè)面的特征向量。
　　其次,本文討論了用戶興趣聚類的特殊性,指出了經(jīng)典聚類方法應(yīng)用于用戶興趣聚類時(shí)的不足,在基于圖論的NEOREN算法基礎(chǔ)上進(jìn)行實(shí)驗(yàn)改進(jìn),提出了基于相似度閾值的聚類算法,實(shí)驗(yàn)證明,該算法能夠顯著提高聚類質(zhì)量,有效區(qū)分孤立點(diǎn),適用于用戶興趣聚類。
　　接著,本文采用細(xì)興趣粒度與向量空間模型相結(jié)合的表示方法,并在此