關(guān)聯(lián)主題的個性化檢索模型的研究.pdf

1、隨著網(wǎng)絡(luò)數(shù)據(jù)量的迅速增多，搜索引擎檢索出的數(shù)據(jù)越來越龐大，人們要在這些檢索結(jié)果中尋找自己想要的數(shù)據(jù)也隨之變得困難起來，而且對于相同的檢索詞每個人檢索出來的內(nèi)容基本上是一致的，這就要求一種個性化信息檢索模式的出現(xiàn)來滿足越來越多的個性化需求。目前個性化信息檢索的研究還處于起步階段，基本上都采用用戶興趣模型來過濾檢索結(jié)果，并對結(jié)果進行重排，而且很多個性化檢索系統(tǒng)使用人工智能來進行實現(xiàn)，并且利用人工智能自身特點來維護用戶興趣模型。
　　本

2、文針對上述檢索系統(tǒng)存在的問題，在研究個性化信息檢索關(guān)鍵技術(shù)的基礎(chǔ)上提出了主題式文檔和用戶興趣模型相結(jié)合的方式來實現(xiàn)個性化信息檢索系統(tǒng)：在用戶興趣模型組織方面，使用線性結(jié)構(gòu)和樹型結(jié)構(gòu)相結(jié)合的組織方式來構(gòu)建用戶興趣模型的模板，并采用XML來存儲用戶興趣模板；在用戶興趣更新方面，引入TCP/IP里面的擁塞控制機制，借鑒了遺忘規(guī)律定義了長期興趣和短期興趣，并給出了一種增補式的更新函數(shù)來實現(xiàn)更新算法，最后通過實驗驗證了本文的更新機制的有效性；在文

3、本相似方面，通過引入詞語的權(quán)重差來計算文本間的相似度；在文本特征抽取方面，在TFIDF的基礎(chǔ)上加入了文檔結(jié)構(gòu)因子進行計算為以后的文本分類做好準備；在文本分類方面，首先研究了當前的文本分類算法，然后利用詞語相似度擴展樸素貝葉斯算法來進行文本分類，最后給出了改進的文本分類算法和樸素貝葉斯算法的對比實驗，驗證了給出的文本分類算法的有效性。
　　本文在整體設(shè)計的基礎(chǔ)上，給出了個性化信息檢索系統(tǒng)的整體框架設(shè)計并給出了用戶興趣模板、更新機制、