面向Internet的個(gè)性化信息服務(wù)的研究.pdf

1、本文在分析現(xiàn)有個(gè)性化服務(wù)技術(shù)的局限性以及國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，對(duì)個(gè)性化推薦進(jìn)行了深入研究。研究了在個(gè)性化推薦系統(tǒng)中涉及到的三大關(guān)鍵技術(shù)，即用戶興趣建模(用戶描述)、網(wǎng)站資源描述及推薦技術(shù)，并對(duì)相關(guān)技術(shù)進(jìn)行了論述。在用戶興趣建模部分，對(duì)Web日志挖掘及數(shù)據(jù)預(yù)處理的方法進(jìn)行了研究。對(duì)于網(wǎng)站資源描述所涉及的中文自動(dòng)分詞技術(shù)，本文介紹了雙向匹配分詞法，并將基于統(tǒng)計(jì)的無詞典分詞方法用于未登錄詞處理。在對(duì)文本特征提取和專家系統(tǒng)研究的基礎(chǔ)上，提出了

2、一種新的用屬性分級(jí)描述網(wǎng)頁(yè)的方法，使得對(duì)網(wǎng)頁(yè)的描述更加全面且利于計(jì)算。對(duì)于推薦技術(shù)，本文探討了將基于內(nèi)容和協(xié)同過濾相結(jié)合的混合推薦方法，使得推薦不僅能滿足用戶已有的興趣還能發(fā)現(xiàn)用戶新的興趣。綜合以上研究，本文提出了一個(gè)個(gè)性化信息服務(wù)的結(jié)構(gòu)模型，通過對(duì)用戶信息的分析與挖掘，根據(jù)用戶喜好將內(nèi)容推薦給用戶。另外，模型中用戶信息獲取采用的是隱式收集方式，不要求用戶提供任何信息，一方面克服了用戶不愿提供個(gè)人信息而無法獲取有用信息的問題，另一方面保