基于Web瀏覽行為的用戶興趣模型研究.pdf

1、近年來，隨著因特網的迅猛發(fā)展，web信息呈幾何級數增長，人們需要花費大量時間才能找到自己需要的信息，個性化推薦作為信息過濾的重要手段，是解決當前信息過載問題的一種很有效的方法。而用戶興趣模型是個性化推薦系統(tǒng)的核心，一個良好的興趣模型能夠更好的改善用戶的上網體驗和信息利用效率，因此興趣模型的研究成為了學術界和IT界的熱門課題。論文以文本信息處理技術為基點，以建立有效的興趣模型為目標。主要圍繞著用戶興趣度度量和興趣模型的表示更新兩方面展開研

2、究工作，并建立有實際應用意義的新聞推薦系統(tǒng)。論文的主要內容如下：
　?。?）針對現(xiàn)有用戶興趣模型在模型建立階段用戶興趣評價的不足，提出了一種基于混合行為評價興趣度值的方法,突出了用戶閱讀時間的特殊性，在用戶閱讀時間異常的情況下利用其它瀏覽行為來量化用戶興趣度，并將此得到的興趣度應用到傳統(tǒng)VSM模型中，使拓展后的興趣模型同時攜帶了內容和行為信息。
　?。?）針對用戶興趣模型建立后，隨之而來的系統(tǒng)存儲量、計算量劇增問題，提出了時

3、間分段機制對興趣模型進行優(yōu)化，達到了降低興趣模型計算量和存儲量的目的。另外，由于人的興趣隨著時間不斷進行變化，在時間分段機制的基礎上，提出了用戶興趣漂移機制，用以反映人的興趣變化規(guī)律，使得到的興趣模型更加準確。
　?。?）基于興趣模型理論基礎構建了新聞推薦系統(tǒng)，采集了2000篇新聞網頁作為數據集，系統(tǒng)持續(xù)采集用戶瀏覽行為，分析用戶興趣，建立并更新用戶興趣模型，最終根據興趣模型向用戶提供網頁推薦。經過實驗和觀察，驗證了本文提出的基于