基于內(nèi)容和協(xié)作的科技文獻(xiàn)過濾方法研究.pdf

1、文本過濾的形式可大致分為兩種:內(nèi)容過濾和協(xié)作過濾.內(nèi)容過濾主要采用自然語言處理、人工智能、概率統(tǒng)計(jì)等技術(shù)對(duì)文本進(jìn)行內(nèi)容分析,然后與用戶模型進(jìn)行相似度計(jì)算,主動(dòng)將相似度高的文本發(fā)送給該用戶模型的注冊(cè)用戶.協(xié)作過濾主要利用興趣相似用戶的評(píng)價(jià)進(jìn)行預(yù)測和推薦.目前它已被成功地應(yīng)用于個(gè)性化推薦系統(tǒng)中,但隨著系統(tǒng)規(guī)模的擴(kuò)大,它的效能會(huì)逐漸降低,暴露出矩陣稀疏性、擴(kuò)展性和早期級(jí)別等問題.該文首先對(duì)文本過濾的兩種形式進(jìn)行了描述,然后對(duì)協(xié)作過濾技術(shù)進(jìn)入了

2、較深入的探討.針對(duì)協(xié)作過濾方法的某些缺點(diǎn),提出了一種改進(jìn)的過濾算法—基于信息項(xiàng)的協(xié)作過濾算法.該算法有效地解決了稀疏性和擴(kuò)展性等問題.該文還提出了一種結(jié)合內(nèi)容過濾和協(xié)作過濾的文本過濾方法,該方法充分利用兩種過濾技術(shù)的優(yōu)點(diǎn),有效地解決了早期級(jí)別等問題,使過濾系統(tǒng)的性能得到了提高.最后,該文介紹了用戶興趣模型構(gòu)造方法,即顯式反饋學(xué)習(xí)和隱式反饋學(xué)習(xí)方法以及實(shí)驗(yàn)系統(tǒng)中用戶興趣模型的三種刷新依據(jù)(注冊(cè)RG、查詢QY、反饋FB).為了對(duì)我們提出的改