基于主题偏好的个性化检索模型研究

合集下载

基于LDA主题模型的文本分析与应用研究

基于LDA主题模型的文本分析与应用研究近年来，随着信息技术的迅猛发展，海量的文本数据在互联网上不断涌现，为人们提供了大量的信息资源。

然而，如何高效地从这些数据中提取有用的信息，成为了信息处理领域的一项重要任务。

基于LDA主题模型的文本分析和应用研究，则是当前最为热门的研究方向之一。

一、 LDA主题模型简介LDA主题模型是目前最流行的一种文本分析方法，它可以用于对大规模文本数据进行主题分析和情感分析。

LDA主题模型最早由美国普林斯顿大学的Andrew Ng等人提出。

简而言之，LDA主题模型的基本思想是将文本数据看作是由若干个主题构成的，然后对主题进行抽样分析，以期发现文本数据的本质特征和内在规律。

二、 LDA主题模型的基本原理LDA主题模型的核心思想是“主题可生成词语，词语可推断主题”。

也就是说，我们可以通过对主题的分析，来猜测词语的含义。

LDA主题模型假设每个主题都是由若干个单词构成的，每个单词又被赋予了一个权重，表示该单词在该主题中的重要程度。

具体地说，LDA主题模型是一种概率模型，它把文档的任意一行看作是一些主题的集合，然后将其转化成了文档中每个单词取值特定主题的概率。

最终，我们可以通过对主题的分析，来猜测文档的主题分布以及单词的意义。

三、 LDA主题模型的应用领域LDA主题模型的应用领域非常广泛，包括自然语言处理、信息检索、社会网络分析、舆情监测等等。

以下是一些典型的应用领域：1、情感分析：LDA主题模型可以将文本数据分为不同的情感类别，如正面、中立、负面等。

2、文档聚类：利用LDA主题模型，可以将文档数据分为不同的类别，以避免重复呈现的问题。

3、主题建模：通过LDA主题模型，可以将文本数据按照主题进行分析，加深对文本内涵的理解。

4、社会网络分析：利用LDA主题模型，可以对社会网络中的不同用户进行个性化推荐和推荐广告。

5、广告推荐：LDA主题模型可以对消费者的兴趣和偏好进行推荐，从而提高广告效果和用户体验。

个性化信息检索中甩户兴趣建模与更新研究

ｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｉｒｓｔｉｃｓｏｆｔｈｅｗｅｂｄｏｃｕｍｅｎｔ，ＴＦ・ＩＤＦｌｇａｏｒｉｔｈｍｉｓｉｍｐｒｏｖｅｄ，ｗｈｏｓｅｒｅｓｕｌｔｓａｒｅｔａｋｅｎａｓｕｓｅｒｉｎｔｅｒｅｓｔｆｅａｔｕｒｅｗｏｒｄｓ ’ ｗｅｉｇｈｔ；ｍｅａｎｗｈｉｌｅ，ｂｙｉｎｔｒｏｄｕｃｉｎｇｄｏｍａｉｎｏｎｔｏｌｏｇｙ，ｔｈｅｕｓｅｒｉｎｔｅｒｅｓｔｆｅａｔｕｒｅｉｔｅｍｓａｒｅｓｅｍａｎｔｉｃａｌｌｙｅｘｔｅｎｄｅｄ；ｔｈｅｎ，ａｃｃｏｒｄｉｎｇｔｏｕｓｅｒｂｒｏｗｓｉｎｇ
ｂｅｈａｖｉｏｒ，ｔｈｅｕｓｅｒｉｎｔｅｒｅｓｔｔｈｅｍｅｃｌｃａｕｌａｔｉｏｎｍｅｔｈｏｄｉｓｉｍｐｒｏｖｅｄ，ｂａｓｅｄｏｎｗｈｉｃｈｔｈｅｕｐｄａｔｉｎｇａｎｄｆｏｒｇｅｔｔｉｎｇｍｅｃｈａｎｉｓｍｏｆｕｓｅｒｉｎｔｅｒｅｓｔｍｏｄ－ｅ】ｉｓｐｒｏｐｏｓｅｄ．ＲｅｓｕｌｔｓｆｒｏｍｃｏｍｐａｒａｔｉｖｅｅｘｐｅｉｒｍｅｎｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎｃａｐｔｕｒｅｃｈａｎｇｅｓｏｆｔｈｅＨｓｅｒｉｎｔｅｒｅｓｔａｎｄｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅ

基于人工智能的档案信息检索技术研究

基于人工智能的档案信息检索技术研究摘要：本文旨在研究基于人工智能的档案信息检索技术。

通过对档案信息检索的现状和问题进行分析，介绍了人工智能在档案信息检索中的应用和价值，探讨了人工智能技术在提高检索效率和准确性方面的作用，并提出了相关改进和优化措施。

关键词：基于人工智能；档案信息检索；技术优化引言随着数字化时代的到来，档案信息的数量呈现爆炸式增长，传统的人工检索方式已经无法满足快速、精确地提取所需信息的需求。

人工智能技术的发展为档案信息检索带来了新的机遇和挑战。

本文旨在研究基于人工智能的档案信息检索技术，探索其在提高检索效率和准确性方面的应用和价值。

一、档案信息检索中存在的问题与挑战（一）信息过载随着信息技术的发展，档案中的信息量呈指数级增长。

传统的人工处理和手工标引方式无法应对大规模、高维度的档案信息，并且容易受到主观因素的影响。

档案管理员和用户都很难从这些海量信息中快速获取到所需的信息，存在信息过载的问题。

（二）检索效率与准确性传统的档案信息检索方式依赖于手工处理和手动分类，这使得检索的效率和准确性受到限制。

人工处理的速度慢、容易出错，并且难以处理复杂的检索需求。

传统方式往往无法满足用户对更高效和准确的档案信息检索的需求。

（三）个性化需求难以满足传统的档案信息检索方式缺乏对个体用户的个性化需求的理解和响应。

由于档案信息的固化性和静态性，很难根据用户的个性化偏好和搜索历史提供定制化的检索结果。

这导致用户的满意度和使用体验较低。

二、人工智能在档案信息检索技术中的应用与价值（一）自然语言处理技术在档案信息检索中的应用1.文本分类与语义理解利用自然语言处理技术，可以对档案中的文本进行分类，以便更好地组织和管理档案信息。

通过训练机器学习模型，可以将文本分为不同的类别，如文件类型、主题等。

这有助于提高档案馆和档案管理员的工作效率，使他们能够快速找到所需的信息。

另外，语义理解技术可以帮助机器更好地理解文本内容，包括识别语句结构、提取实体、理解语义关系等。

基于用户兴趣的个性化信息检索方法

基于用户兴趣的个性化信息检索方法
张瑜;袁方
【期刊名称】《山东大学学报：理学版》
【年(卷),期】2006(41)3
【摘要】目前检索工具的设计大多面向所有用户,而不考虑用户个人的兴趣,导致查准率较低.由此提出一种基于用户兴趣的个性化检索方法.该方法利用ODP,把用户的兴趣映射到一个树形结构上,当用户提出查询时,根据用户的兴趣为其提供相应的检索结果.考虑到人类大脑周期性衰减的生理特点,使用户特征文件随时间动态更新.实验结果表明,所提出的方法能够基于用户兴趣实现信息的个性化推荐,从而更好地满足用户的需求.
【总页数】6页(P128-133)
【关键词】个性化;搜索引擎;权值
【作者】张瑜;袁方
【作者单位】河北大学数学与计算机学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于用户兴趣的个性化信息检索方法研究 [J], 张一洲
2.一种基于用户兴趣的个性化建模方法 [J], 苏惠明
3.基于用户兴趣的个性化Web信息检索方法 [J], 蔺跟荣
4.基于用户兴趣模型及能力评估模型的个性化推荐方法研究 [J], 阮怀伟;吴晓璇;陈艳平
5.基于用户兴趣词典和LSTM的个性化情感分类方法 [J], 王友卫;朱晨;朱建明;李洋;凤丽洲;刘江淳
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进用户浏览行为个性化搜索引擎系统研究

基于改进用户浏览行为个性化搜索引擎系统研究摘要：提出了一种改进用户浏览行为的用户兴趣模型，该模型综合考虑了用户对页面的浏览行为、用户的长期兴趣和短期兴趣。

将这种改进的用户兴趣模型应用于个性化搜索引擎系统中，详述了系统的基本框架、系统基本功能模块，开发了一个演示系统IUBPSES。

模拟实验显示：利用该改进用户兴趣模型的搜索引擎系统进行关键词搜索，其搜索效果优于当前主流搜索引擎系统。

最后，指出了需要改进和进一步研究方向。

关键词：用户浏览行为；个性化服务；搜索引擎；用户兴趣模型；IUBPSES系统0引言用户兴趣模型是存储用户的兴趣偏好、存储和管理用户的行为历史、存储学习用户行为的知识和进行相关推导知识的功能集合[1]。

近年来学者对个性化搜索引擎系统中的用户兴趣模型进行了广泛深入的研究，林国[2]分析了现有用户兴趣模型的不足，指出了用户兴趣模型的基本结构，提出了个性化搜索引擎中用户兴趣模型的工作过程。

刘东飞[3]提出了一种基于群用户兴趣模型的加权全局相关度查询排序算法，改进了搜索引擎的排序结果，为用户提供了较准确的搜索服务。

王微微[4]提出了一种基于用户行为的兴趣度模型，分析了用户的行为模式，结合用户的浏览内容发现用户兴趣。

刘文杏[5]根据用户的兴趣和喜好提出了一种挖掘用户兴趣的路径浏览模型和算法，使Web 服务器能更快地反馈信息，能够为用户提供更好的信息服务。

郝水龙[6]提出一种基于层次向量空间模型（VSM）的用户兴趣模型表示及更新处理机制，采用基于用户浏览行为来计算用户对网页的兴趣度，快速估计网页兴趣度。

郭力军[7]改进了基于RSS数据源的用户兴趣模型，模拟实验表明该改进的用户兴趣模型个性化程度较高，对用户兴趣更新及时、准确。

《2024年基于用户个性特征的推荐模型研究》范文

《基于用户个性特征的推荐模型研究》篇一一、引言随着互联网技术的快速发展，信息过载问题日益严重，用户面临着从海量数据中筛选出有价值信息的挑战。

推荐系统作为一种解决信息过载问题的有效工具，已经被广泛应用于电商、社交网络、视频网站等各个领域。

其中，基于用户个性特征的推荐模型，能够根据用户的兴趣、需求、习惯等个性特征，为用户提供更加精准的推荐服务。

本文旨在研究基于用户个性特征的推荐模型，以提高推荐系统的准确性和用户体验。

二、用户个性特征提取在推荐模型中，准确提取用户的个性特征是关键的一步。

用户的个性特征包括但不限于年龄、性别、职业、兴趣爱好、消费习惯等方面。

这些特征可以通过以下方式提取：1. 用户注册信息：用户在注册时填写的个人信息，如年龄、性别、职业等。

2. 用户行为数据：用户在使用产品或服务过程中产生的行为数据，如浏览记录、购买记录、搜索记录等。

3. 社交网络数据：通过分析用户的社交网络关系，了解用户的社交圈层和兴趣爱好。

4. 文本数据挖掘：通过对用户产生的文本数据进行挖掘，分析用户的情感倾向、兴趣点等。

三、推荐模型构建在提取了用户的个性特征后，需要构建推荐模型来根据这些特征进行推荐。

常见的推荐模型包括协同过滤、内容过滤、深度学习等。

本文研究的是基于用户个性特征的推荐模型，因此主要采用内容过滤和深度学习的方法。

1. 内容过滤内容过滤是指根据物品的内容特征和用户的内容偏好进行推荐。

在基于用户个性特征的推荐模型中，可以将用户的内容偏好转化为用户的个性特征，然后通过比较物品的内容特征和用户的个性特征，为用户推荐符合其兴趣的物品。

2. 深度学习深度学习是一种能够自动提取数据特征并进行学习的算法。

在推荐模型中，可以通过构建深度神经网络来学习用户的个性特征和物品的特征，然后根据学习到的特征进行推荐。

深度学习可以处理非线性关系和复杂的数据结构，因此在处理用户个性特征和物品特征时具有很好的效果。

四、模型训练与优化在构建了推荐模型后，需要进行模型训练和优化。

基于Agent的个性化信息检索技术的研究

本文利用基于Ａｅｔｇｎ的网上智能信息检索技术，设计了一个系统模型，该模型由３Ａｅｔ个ｇｎ模块共同协作，提供了一种基于Ａｅｔｇｎ的个性化主动服
三个模块构成。通过用户信息需求的表达和信息反馈，形成并训练用户Ａｅｔ信息搜索ＡｅｔＩｔｎｔｇｎ；ｇｎ与ｎｅｅ搜索引擎ｒ
连接，有限深度一广度优先的搜索算法，搜索范围，采用减少加快搜索速度；过滤Ａｅｔ据用户已有的信息资信息ｇｎ根
Ｒｅｅｅｎｔｅａｅｔ—ｂｓｄｐｒｏａｉｅｎｏｍａｉｎｒｔｉｖｌｔｃｏｏｙｓｍ＇ｈＯｈｇｎ ‘ ａｅｅｓｎｌｄｉｆｒｔｅｒｅａｅｌｌｇ — ｚｏｍ
ＳＮＧＱｉ—ａＨＥｕｙｎ
（ｉａｙａｂｎＥｇｎｅｎｉｒｔ，ｒｉ５０１ＣｉａＬｂｒ，ＨｒｉｎｉｒｇＵｎｖｓｙＨａｂ１００，ｈ）ｒｅｉｅｉｎｎＡｂｔａｔＴｈｙｔｍｏｓｔｆｈｅｄｌｕｅ，ｕｅｓＡｎ，ｉｆｒａｉｎｓａｃｇｅｔａｄｉｆｒａｉｎｆ — ｓｒｃ：ｅｓｓｅｃｎｉｓｏｒｅｍｏｅｂｓｓｒｇｅｔｎｏｍｔｅｒｈＡｎｎｎｏｓｔｃｏｍｔｉｏｌ
ｔｒｔｄｓｇｓｈｎｉｅｓｒｃｕｅｏｔｌｇｎｇｅｔｔｎｕｅｔｅｃｏｅｃｏｅａｉｎｏｈｈｅｄｌａｅ．ＩｅｉｎｅｅｔｔｕｔｒｆｎｅｌｅｔＡｎｅｓｒｈｌｓｏｐｒｔｆｅｔｒｅｍｏｅｓＳｔｔｔｒｉｉｏｏｔＯｈｔｅｉｆｒａｉｎｒｔｉａｃｎｂｕｌｅｌｅｒｎｌ，ａｔｌｎｎｅｌｅｔ．ｈｎｏｍｔｅｒｖｌａｅｆｌｒｉｄｐＳａｌｏｅｙａｚｅＯｙｃｉｙａｄｉｔｌｇｎｌｖｉｙ

个性化搜索中的用户兴趣模型研究

在下面会详细说明。
１２系统结构．
收稿日期：０ｌｏ — ５修回日期：０１ｏ — ７２１—４２；２１一７２
基金项目：国家自然科学基金项目（０３０４６７３７）６７６４，７０００
作者简介：宋
毅（９１）女，１８一，吉林德惠人，硕士研究生，主要研究
Ａｂｔａ：ｅｇａｆｔｅｒｓａｃｍｉｇｉｇｕｅｎｔｒｓｎｅｌｚｎｅｓｎ！Ｔｅｒｈ．ｅｍｅｄｆｅｅｒｈｉｉｄｎｃｕ－ｓｒ￣Ｔｈｏｌｏｌｅｅｒｈｌｓ￣ｇｎｓｒｉｅｅｔｄｒａｉｉｇｐｒａｉａｏｄｏｓａｃＴｈ￣ｏｏｓａｃｓｆｉｇｕｓｒｑｅｒｎ
程度大，将兴趣度大的类别推荐给用户。
３模型改进
通过上面兴趣挖掘中，发现存在用户查询是兼类，查询扩展目的是解决查询属于兼类的用户兴趣类别偏好。查询扩展方法采用基于词典和Ｒｃｈｏｏｃｉ相关反馈相结合的方法进行扩展查询。（）于搜狗词典进行查询扩展。１基
类语料中训练语料３００篇，００篇测试。１０１０４
１２３查询和类别特征矩阵Ｍｏ．．ｃ
图２兴趣趋势折线图将类别按兴趣度排序，值越高的表明用户偏爱权
表示用户搜索历史查询和类别特征矩阵＾。（）１特征矩阵降维。向量空间（Ｓ很庞大了，ＶＭ）计算速度很慢，用奇
关键词：搜索引擎；矩阵；类别；掘挖

高校图书馆个性化信息服务研究综述

高校图书馆个性化信息服务研究综述随着互联网技术的不断发展，图书馆的服务也逐渐向数字化、个性化的方向发展。

高校图书馆作为学校教育与研究的重要资源中心，其个性化信息服务已经成为高校图书馆发展的方向之一。

本文将对高校图书馆个性化信息服务研究进行综述，并探讨未来发展趋势。

个性化信息服务是指基于用户需求和偏好进行定制化服务的一种服务模式。

在高校图书馆中，个性化信息服务包括但不限于以下几个方面：1. 文献传递服务。

用户在图书馆搜索相关文献时，可以选择个性化的文献传递服务，将符合自己需求的文献传递到自己的邮箱或者个人文献管理系统中，提高文献获取效率。

2. 馆藏查询服务。

用户可以通过高校图书馆提供的馆藏查询服务，在不同场景下查询到自己需要的图书馆馆藏资料。

比如，通过电子资源检索系统查询到具体的数据库或期刊，或者通过在线预约系统查询到馆藏书籍的可借阅情况等。

3. 个性化推荐服务。

高校图书馆可以通过数据分析技术，根据用户的阅读记录、搜索记录等信息为用户提供个性化书目推荐服务。

推荐的书籍可以基于对用户读者类型、阅读兴趣、学科特长等维度进行推荐。

1. 国内研究现状目前，国内高校图书馆个性化信息服务的研究主要集中在以下几个方面：1.1 图书馆用户需求分析图书馆用户需求分析是开展个性化服务的基础。

通过问卷调查、访谈等研究方法探讨高校图书馆用户的需求与使用习惯，以及用户对各种服务模式的认知与接受程度。

1.2 个性化检索算法研究基于数据挖掘技术的个性化检索算法研究，通过对用户阅读行为等信息进行分析，提高文献相关性的判断效率，为用户提供更为个性化的文献推荐服务。

研究成果主要以算法优化、效果评估等方面为主。

1.3 个性化推荐系统开发针对图书馆馆藏资源的信息推荐服务，开发了一些个性化推荐系统。

这些系统主要基于协同过滤、机器学习等算法，通过挖掘大量的用户行为数据，为用户提供符合他们兴趣爱好的文献、数据库等资源推荐。

2.1 个性化信息服务的概念与实践国外研究者首先从概念上对个性化信息服务进行阐释和界定，同时也进行了实践研究，比如通过问卷或者访谈的方式了解用户需求和接受程度，从而在此基础上提供高校图书馆个性化信息服务。

基于领域本体的个性化文本信息检索

２１年４月０１
Ａｏｒ．２１０１
基于领域本体的个性化文本信息检索
魏桂英，高学东，武森
（北京科技大学经济管理学院，北京１０８）００３
摘要：为了解决传统检索技术无法为用户提供个性化服务和检索效率低的问题，提出了一种基于领域本体的个
一
义多词（同义词）导致了传统信息检索的查全率
引言
随着网络信息的爆炸性增长，如何在浩瀚的网络信息资源中高效准确地获得用户所需要的信
息变得越来越重要。文本信息检索是目前最主要的信息获取手段，是以非结构或半结构化文本数据为处理对象，研究海量文本下的信息组织和检索问题，其主要目的是发现与用户检索请求（如关
的语义联系是很难描述的。
键词等）相关的文本信息。传统的文本信息检索技术大都是基于关键字的语法匹配和全文检索技术，
主要借助于目录、索引和关键字等方法来实现，此
针对以上问题，本文提出了基于领域本体的个
ｔｅｉｅｆａｉｉｔｆｈｄ１Ｔｅｅｐｒｍｅｔｌｅｕｔｈｗａｅｎｗｄｌａｒｖｅｒｃｓｏｏｖｒｙｔｓｌｏｅｍｏｅ．ｈｘｅｉｎａｓｌｓｏｔｔｅｍｏｅｎｉｏｅｔｅｉｉｎｆｈｅｂｉｙｔｒｓｈｔｈｃｍｐｈｐ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

０引言
互联网拥有十分庞大的信息资源，搜索引擎成了
用户的上网行为，系统通过跟踪用户对搜索结果的点击历史来获得用户的兴趣所在，免了“ 户参与 ” 避用带
来的种种不便。因此，多数搜索引擎都采用隐式获大取的方式来收集用户兴趣。传统用户兴趣模型的表示是综合用户浏览的所有
（ｉｒｒｆｉｕｎＩｔｎｔｎｌｔｄｅｎｖｒｔ，ｈｎｑｎ４０３）ＬｂａｙｏｃａｅａｏａＳｕｉＵｉｅｓｙＣｏｇｉｇ００１Ｓｈｎｒｉｓｉ
ＡｂｔａｔＡｓｉｆｒａｉｎｉｃｅｅｎｔｅｗｅｓｒｃｎｏｍｔｎｒａｓｓｏｂ－ｐｒｏａｉｅｅｒｈｂｃｍｅｏｏｎｎｔｅｄｍａｎｏｏｍａｏｅｒｅａ．Ｔａｉｏ・ｏｈｅｓｎｌｚｄｓａｃｅｏｓａｈｔｐｉｔｈｏｉｉｆｉｒｔｎｒｔｖ１ｒｄｔｎｆｎｉｉｉ
摘
要随着互联网信息资源日益增多，个性化检索成为了信息检索领域的研究热点。传统的个性化检索利用网
页内容形成的向量空间模型来描述用户兴趣，使得用户的查询响应较慢，正用户兴趣计算量大。由此提出基于主修
题偏好的个性化检索模型，用户兴趣由用户的主题偏好来表示，合主题敏感的ＰｇＲｎ结ａｅａｋ算法对检索结果排序。
ｒｎｅｒｈｒｓｌ．Ｔｈｕｐｓｉｏｅｐｓｓｒｓｐｆ￣ｎａｋｓａｃｅｕｔｓｅｐｒｏｅｓｔｘｒｓｕｒｅｃｂｔｒａｃａｅｓｌｎｄｒｄｕｕｒｒｓｎｔｅｅｅｅｅｔ，ｃｕｌ￣ａｉｅｌｙ．ａｅｃｑｅｅｐｓｉ．ｅｙｏｅｍｅＫｅｒｓｐｒｏａｉｅａｃｔｐｃｐｆｒｎｅｔｐｃｅｎｉｖａｅｎａｇｒｍｙｗｏｄｅｓｎｚｄｓｒｈｌｅｏｉｒｅｃｏｉ —ｓｓｔｅＰｇＲａｋｏｔｅｅｉｌｉｈ
ＡｓａｃｎＴｏｃＰｒｆｒｎｃ－ＢａｅｒｏｌｚｄＳａｃｏｅＲｅｅｒｈｏｐｉｅｅｅｅｓｄＰｅｓｎａｉｅｅｒｈＭｄｌ
ＴＡＮＧａｌＨＥａｙｎＸｉｏｉｎｇＴｉｎｕ
ａｅｓａｉｅｅｒｈＵｅｅｔｒｓａｅｍｏｅｏｓｒｃｅｙｐｇｏｔｎＯｄｓｒｅｕｒｓｉｔｒｓｎｅｑｅｙｒｓｎｓｃｍｐａａｖ ’ ｌｐｒｏｎｌｄｓａｃＳＳｖｃｏｐｃｄｌｃｎｔｕｔｄｂａｅｃｎｅｔｔｅｃｉｓ＇ｎｅｔｄｔｕｒｐｓｉｏｚｂｅｅａｈｅｏｅｒｔｅｉ
ｌｌｗ．Ｓｎｅｉ＇ｈｒａｃｌ￣ａｄｒｖｓｓｒｓｉｔｒｓｓｎｅｏｄｍｏｅ。ａＴｏｉｒｆｒｎｅｙｓｏｉｃｔｓａｄｔｃｕａＯｌｎｅｉｅｕｎｅｔｕｉｇｔｌｄｌｐｃＰｅｅｃ —ＢａｅＰｅｓｎｌｚｄＳａｃｏｅｓｅｅｈｅｓｄｒｏａｉｅｅｒｈＭｄｌｉ
ｐｏｓｄｉｉａｒｅｒＳｉｔｒｓｓｅｐｓｅｓｕｒｓｔｐｃｐｆｒｎｄｉｏｉｅｔｐｃＳｎｉｖａｅｎｇｒｔｍｒｐｅｎｔｓｐｐ．Ｕｓ ’ ｎｅｅｔｉｘｒｓｄａｓ＇ｉｒｅｃａｓｃｍｂｎｄｗｉＴｏｉ — ｅｓｔｅＰｇＲａｋａｏｉｈｔｏｈｅｅｅｏｅｅｅｎｈｉｌＯ
第３０卷
第４期
情
报
杂
志
２１０１年４月
ＪＯＵＲＮＡＬＯＦＩＥＬＩＮＴＬＧＥＮＣＥ
Ｖｏ．０Ｎ．Ｉ３ｏ４Ａｐ．２１ｒ０１
基于主题偏好的个性化检索模型研究
唐晓玲何天云
重庆４０３）００１（四川外语学院图书馆
页面内容，得到一个用单词和权重表示的向量空间模
目前用户获得信息的最佳渠道，给人们的工作、活和பைடு நூலகம் 生
学习带来了极大的方便。但是，由于用户的背景和兴趣存在不同，即使输入相同的查询请求，希望得到的检
索结果可能是大相径庭 …。对于大多数搜索引擎而言，面对同样的输入请求所返回的结果几乎一样，忽视
旨在更好地体现用户兴趣，简化计算，少查询响应时间。并减
关键词个性化检索主题偏好主题敏感的ＰｇＲｎａｅａｋ算法
中图分类号
Ｔ３３Ｐ９
文献标识码
Ａ
文章编号
１０－９５２１）４０３ — ０２１６（０１０－１３０４