基于WEB用户模型的搜索引擎结果推荐系统,(图)

　　基于WEB用户模型的搜索引擎结果推荐系统,(图)

　　随着网络技术的出现，互联网已成为人们获取信息的主要手段。但是，面对互联网提供的大量信息，人们通常陷入信息过载的困境。搜索引擎应用程序可以在某种程度上帮助用户解决此问题，但是当前的搜索引擎无法积极帮助用户提出个性化建议，也无法满足用户的信息差异化需求。提出了一种基于WEB用户模型的搜索引擎结果推荐系统。目的是帮助用户更快，更准确地获取他们感兴趣的信息。首先，对用户兴趣模型的关键技术进行了深入的研究和分析，包括数据源的获取，用户兴趣模型的表示方法，用户建模技术和模型更新技术。同时，对传统的搜索引擎系统也进行了研究和分析。在以上关键技术研究的基础上，提出了一种利用系统自动建模技术的面向单一用户的用户兴趣模型。通过自动读取用户的IE浏览历史记录来获得用户模型的数据源。系统对数据源进行预处理，中文分词等操作，构造每页的特征向量，最后对每页的特征向量进行整合，形成用户的兴趣模型。最后，构建了基于WEB用户兴趣模型的个性化搜索引擎系统。该系统结合了用户的兴趣模型，并计算了传统搜索引擎返回的查询结果集与用户的兴趣模型之间的相似度，并将其与用户的兴趣模型进行比较。具有较高兴趣相似度的结果页面将首先显示给用户。还对系统的各个步骤进行了实验，并给出了结果。实验结果表明，基于用户模型的个性化系统返回的查询结果与用户的兴趣偏好非常吻合，极大地提高了用户信息检索的效率。基于用户兴趣模型的信息推荐方法还有许多其他应用，例如：1)广告投放，在投放过程中根据用户兴趣模型判断合适的程度； 2)个人信息代理商。对于个人应用程序，基于个人兴趣模型，它可以自动确定某些页面中的个人兴趣程度，例如在浏览bbs或其他信息时，它可以快速定位。用户兴趣建模的研究与应用对于提高网络用户效率具有十分积极的意义。