關(guān)聯(lián)主題的個性化檢索模型的研究.pdf_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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、

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論