学位论文 > 优秀研究生学位论文题录展示

用户兴趣模型在RSS网络信息服务中的研究

作　者: 张艳
导　师: 章勇
学　校: 南京航空航天大学
专　业: 计算机科学与技术
关键词: RSS信息服务个性化信息服务用户兴趣模型滑动时间窗口兴趣漂移渐进遗忘 Rocchio方法信息推荐
分类号: TP393.09
类　型: 硕士论文
年　份: 2011年
下　载: 76次
引　用: 0次
阅　读: 论文下载

内容摘要

互联网的普及带来了信息过载的问题,RSS信息服务虽然能够实现信息推送,在一定程度上解决信息过载问题,但缺乏个性化考虑。用户建模技术作为个性化信息服务的基础和核心,是当前研究的热点。为了更好地实现个性化信息服务,本文对用户兴趣模型的相关技术进行了深入研究,并将其应用于RSS信息服务中,主要工作和贡献有:1.改进了基于向量空间模型的用户兴趣模型表示方式,增加了长、短期兴趣的标识和更新时间,同时也改进了传统的利用TF/IDF公式计算关键词权重的方式,增加了基于隐式反馈行为的页面兴趣等级参数,改进的方法更能有效地表示用户的兴趣。2.提出了结合渐进遗忘和Rocchio方法来更新长期兴趣模型的算法,而短期兴趣模型则采用滑动时间窗口的方法进行更新,并且当短期兴趣满足一定条件时则转变为长期兴趣,本文提出的用户兴趣模型更新方法能够及时、准确地追踪用户的兴趣漂移。3.提出了基于信息推荐技术的用户兴趣模型优化算法,该算法进一步优化用户的混合兴趣模型,能够根据用户的反馈信息自适应调整长、短期兴趣在混合模型和信息推荐技术中的比重,更好地为用户推荐其感兴趣的资源。4.基于本文提出的用户兴趣模型的更新和优化算法设计并实现了个性化RSS新闻推荐系统,该系统将RSS技术与个性化信息服务技术结合起来。通过在此系统上的实验,验证了本文提出的用户兴趣模型的更新和优化算法是可行和有效的。

全文目录

摘要  4-5
ABSTRACT  5-9
图表清单  9-11
注释表  11-12
第一章绪论  12-20
  1.1 课题的研究背景  12-13
  1.2 国内外研究现状  13-17
    1.2.1 个性化信息服务的研究现状  13-15
    1.2.2 用户建模技术的研究现状  15-16
    1.2.3 RSS 信息服务的研究现状  16-17
  1.3 本文的研究内容  17-18
  1.4 本文的组织结构  18-20
第二章用户兴趣模型的相关理论及技术  20-36
  2.1 用户建模的信息来源  20-22
  2.2 用户建模的信息获取  22
  2.3 用户兴趣模型的表示  22-30
    2.3.1 基于向量空间模型的表示  23-25
    2.3.2 基于粗细兴趣粒度的表示  25-26
    2.3.3 基于神经网络的表示  26-27
    2.3.4 基于本体论的表示  27-28
    2.3.5 基于用户-项目评价矩阵的表示  28-29
    2.3.6 基于关键词列表的表示  29
    2.3.7 基于语义网络的表示  29-30
  2.4 用户兴趣模型的学习技术  30-33
    2.4.1 基于神经网络的学习技术  30-31
    2.4.2 基于决策树的学习技术  31
    2.4.3 基于聚类的学习技术  31-32
    2.4.4 基于信息论的学习技术  32
    2.4.5 其他用户兴趣模型学习技术  32-33
  2.5 用户兴趣模型的更新技术  33-34
    2.5.1 信息增补技术  33
    2.5.2 神经网络技术  33-34
    2.5.3 进化技术  34
  2.6 本章小结  34-36
第三章自适应用户兴趣模型的构建与更新  36-50
  3.1 用户反馈技术  36-39
    3.1.1 显式反馈  36-37
    3.1.2 隐式反馈  37-39
  3.2 用户兴趣模型表示方式的改进  39-40
  3.3 用户兴趣漂移技术  40-44
    3.3.1 滑动时间窗口技术  41-42
    3.3.2 渐进遗忘技术  42-43
    3.3.3 Rocchio 方法  43-44
  3.4 用户兴趣模型的建立  44-46
    3.4.1 用户短期兴趣模型的建立  45
    3.4.2 用户长期兴趣模型的建立  45-46
  3.5 用户兴趣模型的学习和更新机制  46-49
    3.5.1 用户短期兴趣模型的更新  47
    3.5.2 用户长期兴趣模型的更新  47-49
  3.6 本章小结  49-50
第四章自适应用户兴趣模型在RSS 信息服务中的应用  50-69
  4.1 RSS 信息服务  50-53
  4.2 英文文本预处理技术  53-56
  4.3 基于信息推荐技术的用户兴趣模型优化  56-59
    4.3.1 相似度的计算  56
    4.3.2 信息推荐技术  56-57
    4.3.3 基于信息推荐技术的用户兴趣模型优化算法  57-59
  4.4 个性化RSS 新闻推荐系统的设计与实现  59-68
    4.4.1 系统的设计目标和功能  59-60
    4.4.2 系统的结构设计  60-63
    4.4.3 系统的主模块设计  63-68
  4.5 本章小结  68-69
第五章实验和结果分析  69-79
  5.1 实验  69-71
    5.1.1 实验环境  69
    5.1.2 实验数据  69-70
    5.1.3 评价标准  70-71
    5.1.4 实验方法  71
  5.2 实验结果与分析  71-78
    5.2.1 实验参数的确定  72
    5.2.2 实验一：不同兴趣类型的用户使用系统的结果对比  72-75
    5.2.3 实验二：采用不同兴趣漂移技术的模型性能对比  75-77
    5.2.4 实验三：基于信息推荐技术的用户兴趣模型优化算法的可行性验证  77-78
  5.3 本章小结  78-79
第六章总结与展望  79-82
  6.1 总结  79-80
  6.2 展望  80-82
参考文献  82-87
致谢  87-88
在学期间的研究成果及发表的论文  88

用户兴趣模型在RSS网络信息服务中的研究

内容摘要

全文目录

相似论文