基于Agent的個(gè)性化出版物信息服務(wù)系統(tǒng)設(shè)計(jì).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,各計(jì)算機(jī)終端都可以輕易擁有海量的信息資源,人們獲取信息的渠道增多了,但同時(shí)也讓很多用戶覺(jué)得力不從心,當(dāng)用戶在網(wǎng)絡(luò)上搜索信息時(shí),往往就會(huì)因?yàn)樾畔⒘窟^(guò)大且無(wú)目的性發(fā)生“迷航”、“認(rèn)知過(guò)載”等現(xiàn)象。另外,隨著信息資源的積累,龐大的數(shù)據(jù)仍由單一的服務(wù)器存儲(chǔ),這對(duì)搜索及管理也帶來(lái)了諸多不便。
　　 因此,本文首先研究了傳統(tǒng)內(nèi)容過(guò)濾和協(xié)同過(guò)濾推薦技術(shù),對(duì)傳統(tǒng)協(xié)同過(guò)濾技術(shù)改進(jìn),構(gòu)建分類(lèi)評(píng)估矩陣,并給出一種新的協(xié)同過(guò)濾

2、推薦公式；結(jié)合內(nèi)容過(guò)濾推薦技術(shù),提出分布式綜合推薦模型,該模型融合了內(nèi)容過(guò)濾和協(xié)同過(guò)濾的優(yōu)點(diǎn),并通過(guò)實(shí)驗(yàn)證明了此推薦模型的有效性和科學(xué)性。其次,提出一個(gè)基于Agent的Web挖掘模型,采用分布式的架構(gòu),詳細(xì)設(shè)計(jì)各Agent的功能；通過(guò)學(xué)習(xí)Agent模塊,不斷更新知識(shí)庫(kù)；把分布式綜合推薦模型作為信息選擇Agent的核心算法,從而為用戶推薦最感興趣的項(xiàng)目；提出基于XML的KQML解決辦法來(lái)配合多個(gè)代理間信息的交互,實(shí)現(xiàn)多Agent之間的協(xié)同

3、工作。再次,將分布式綜合推薦模型和基于Agent技術(shù)的Web挖掘模型應(yīng)用于出版物服務(wù)系統(tǒng),設(shè)計(jì)了兩級(jí)數(shù)據(jù)庫(kù),分別用于支撐內(nèi)容挖掘模塊和協(xié)同過(guò)濾模塊；充分利用分布式架構(gòu)與Agent技術(shù)的優(yōu)勢(shì),實(shí)現(xiàn)跨站點(diǎn)的分布式智能搜索和個(gè)性化推薦,對(duì)于相同的關(guān)鍵字查詢(xún),不同用戶將會(huì)搜索出不同的結(jié)果,以最大程度滿足不同類(lèi)型用戶的需求,并給出了系統(tǒng)實(shí)現(xiàn)界面圖。
　　 論文最后部分對(duì)所做的工作進(jìn)行了總結(jié),并提出了有待改進(jìn)的地方,同時(shí)展望了Agent技術(shù)