面向WEB個性化服務的用戶建模技術.pdf

1、近十幾年來,因特網(wǎng)上的各種信息以呈指數(shù)級的速度增長,使得因特網(wǎng)用戶想要快速找到其真正所需要的資料信息變得越來越困難。在海量因特網(wǎng)信息帶來信息過載和信息迷失問題而人們對信息數(shù)據(jù)的需求卻越來越專業(yè)化的時候,Web個性化服務技術應運而生,它的出現(xiàn)正好可以在一定程度上解決因特網(wǎng)中信息的多樣化與用戶需求的專一化之間的矛盾。用戶興趣建模技術作為個性化服務的核心問題,主要是研究如何根據(jù)所提供的用戶興趣網(wǎng)頁或其他數(shù)據(jù),較準確地挖掘用戶的興趣點,分析用戶

2、的興趣主題,構建用戶的興趣模型。本論文主要是從以下幾個方面作了研究,并通過實驗,驗證了其有效性。①自動準確地挖掘用戶興趣點在用戶興趣建模過程中,自動且準確地挖掘用戶興趣點非常重要。為了實現(xiàn)此目標,本文在對混合聚類算法進行改進的基礎上提出了一種改進的混合聚類算法。對混合聚類算法的改進主要是以下兩個方面:一方面,改進自動聚類簇數(shù)目計算算法,提高算法穩(wěn)定性和準確性,并為改進的混合聚類算法指定初始聚類簇數(shù)目;另一方面,改進混合聚類算法的聚類部分

3、,不僅提高聚類簇劃分的準確性,而且實現(xiàn)在進化過程中調(diào)整初始聚類簇數(shù)目,最后得到更準確的聚類簇數(shù)目和聚類簇劃分。②評價用戶興趣點的準確性與合理性利用改進的混合聚類算法挖掘用戶興趣點即是尋找合理的聚類簇數(shù)目與聚類簇劃分。因此本文結合聚類有效性指標的概念提出一種新的適應值函數(shù)作為改進的混合聚類算法的適應值函數(shù),該適應值函數(shù)對聚類簇數(shù)目和聚類簇劃分進行較準確地評價,實現(xiàn)評價用戶興趣點的功能。③構建用戶興趣模型用戶建模系統(tǒng)的最后步驟是利用挖掘得到

4、的信息構建用戶興趣模型。本文利用兩級向量模型描述用戶興趣,并詳細描述了基于用戶詞典和兩級向量模型的用戶興趣模型建立過程。這種模型將在后期的個性化搜索服務過程中更直接地提供用戶的興趣信息。④實驗驗證最后,本文通過實驗對上述方法進行了驗證。實驗初步證明:第一,改進的混合聚類算法能夠較準確的找到合理的聚類簇數(shù)目。第二,改進的混合聚類算法能夠較準確地劃分各個聚類簇。第三,改進的混合聚類算法的適應值函數(shù)能夠較準確地評價聚類簇數(shù)目和聚類簇劃分的優(yōu)劣