面向個性化Web新聞服務(wù)的層次型用戶興趣建模研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，Web信息呈爆炸式增長，在海量的數(shù)據(jù)中，如何快捷高效的搜索獲取需要或者感興趣的信息逐漸成為人們關(guān)注的焦點。Web個性化服務(wù)在一定程度上解決了信息高速增長與用戶獲取信息手段相對簡單之間的矛盾。Web信息服務(wù)商通過不斷提高個性化服務(wù)質(zhì)量來更好地為吸引用戶，獲取用戶的認(rèn)同感，提高用戶的滿意度。
　　用戶興趣建模是個性化服務(wù)的核心和關(guān)鍵，信息檢索、數(shù)據(jù)挖掘、電子商務(wù)以及個性化推薦領(lǐng)域都試圖考慮使用用戶興趣模型來提

2、高信息服務(wù)的質(zhì)量。傳統(tǒng)的用戶興趣模型大都基于VSM(Vector Space Model，向量空間模型)，使用關(guān)鍵詞來表示用戶的興趣，既沒有考慮關(guān)鍵詞之間的粒度層次關(guān)系，也沒有利用領(lǐng)域知識來推斷用戶感興趣的具體概念或者主題，使得用戶興趣模型難以準(zhǔn)確合理的表示用戶的興趣。
　　針對傳統(tǒng)建模方法存在的問題，本文以個性化Web新聞服務(wù)為例，對層次型用戶興趣建模展開研究，提出了一種基于圖劃分的中文詞語層次聚類算法GCPHC(Graph P

3、artition-based Chinese Phrases Hierarchical ClusteringAlgorithm)，將用戶的興趣組織為樹形層次結(jié)構(gòu)，并基于HowNet和ODP領(lǐng)域知識，給出最大匹配映射算法HNM3(HowNet-based Maximum MatchingMapping)來定位用戶的興趣主題，最終構(gòu)建帶有主題標(biāo)簽的層次用戶興趣模型。本文主要工作如下：
　　(1)在日益需要更加智能化的Web個性化服務(wù)的