,：基于向量空间模型的用户兴趣模型优化算法设计

　　,：基于向量空间模型的用户兴趣模型优化算法设计

　　[摘要]：互联网的普及带来了信息过载的问题。 RSS信息服务虽然可以实现信息推送，在一定程度上解决了信息过载的问题，但缺乏个性化的考虑。用户建模技术作为个性化信息服务的基础和核心，是一个热门的研究课题。为了更好地实现个性化信息服务，本文对用户兴趣模型的相关技术进行了深入研究，并将其应用到RSS信息服务中。主要工作和贡献有：1.基于向量空间模型的改进用户兴趣模型表达方法增加了长期和短期兴趣的识别和更新时间。它还改进了使用TF/IDF公式计算关键词权重的传统方式，并添加了基于隐式反馈行为的页面兴趣级别参数。该方法可以更有效地表达用户的兴趣。 2.提出了一种结合渐进式遗忘和Rocchio方法来更新长期兴趣模型的算法，而短期兴趣模型使用滑动时间窗口的方法来更新，当短期兴趣满足一定条件时，变成长期利益。用户兴趣模型更新方法可以及时、准确地跟踪用户的兴趣漂移。 3.提出了一种基于信息推荐技术的用户兴趣模型优化算法。该算法进一步优化了用户的混合兴趣模型，可以根据用户的反馈信息自适应调整混合模型和信息推荐技术中长期和短期兴趣的比例。更好地向用户推荐感兴趣的资源。 4.基于本文提出的用户兴趣模型更新优化算法，将RSS技术与个性化信息服务技术相结合，设计并实现了个性化RSS新闻推荐系统。通过对该系统的实验，验证了本文提出的用户兴趣模型更新优化算法的可行性和有效性。