基于興趣學習的Web內(nèi)容推薦及其優(yōu)化研究.pdf

1、隨著Internet的飛速發(fā)展,互聯(lián)網(wǎng)已成為全球最大的分布式信息數(shù)據(jù)庫。一方面,信息化給人們帶來了極大的便利;另一方面,由于過量冗余的信息充斥網(wǎng)絡,想要在網(wǎng)絡上快速有效的提取有效信息也變得越來越困難。傳統(tǒng)搜索是基于關(guān)鍵詞檢索的,但這種方法無法有效提取和檢索到語義間的關(guān)聯(lián)內(nèi)容和隱含信息,在知識發(fā)現(xiàn)和查準查全率方面都有所欠缺。而個性化Web搜索技術(shù)的出現(xiàn),可以有效緩解上述問題的出現(xiàn),為用戶提供更精細、準確和自動化的搜索。
　　本文研究

2、基于興趣學習的Web內(nèi)容推薦系統(tǒng)并對其進行優(yōu)化,根據(jù)用戶搜索所涉及的領(lǐng)域本體添加用戶興趣領(lǐng)域至用戶本體,通過概念和語義間的關(guān)系計算用戶興趣權(quán)重,并根據(jù)用戶瀏覽行為實時更新本體,得到更準確的用戶興趣模型。由于用戶興趣作為搜索限制條件加入搜索語句,無疑增加了系統(tǒng)響應時間,本文通過研究圖論算法,對搜索條件進行重新排序,通過選擇估值減少中間結(jié)果集,選擇高效的執(zhí)行計劃,提高連接查詢效率,從而減少搜索響應時間,給用戶創(chuàng)造更準確快捷的結(jié)果返回。

3、>　　本文首先介紹基于興趣學習的Web內(nèi)容推薦涉及的核心技術(shù),在此基礎上,研究用戶興趣學習算法,以達到提高用戶查詢搜索準確度的目的。由于用戶興趣增加了查詢條件的復雜性,又通過查詢優(yōu)化策略優(yōu)化查詢時間,以達到提高用戶查詢搜索效率的目的。并對查詢優(yōu)化策略進行實驗和其他方法的搜索引擎進行對比,驗證了該方法可有效提高查詢效率。通過研究及優(yōu)化,改進后的基于興趣學習的Web內(nèi)容推薦系統(tǒng)在為用戶推薦信息上將更符合用戶的興趣,同時查詢效率也將有所提升。