基于貝葉斯網(wǎng)絡(luò)和互信息的用戶模型與個性化檢索.pdf

1、隨著網(wǎng)絡(luò)應(yīng)用的普及，網(wǎng)上信息量以驚人的速度增長，并且更新頻繁。人們面對的問題不再是缺乏有用的信息，而是如何找到自己需要的信息。傳統(tǒng)的通用信息檢索技術(shù)滿足了人們的一定需要，但其通用的性質(zhì)，不能滿足不同背景、不同目的和不同時期的查詢請求，仍然面臨查準率和查全率較低的問題。于是，個性化信息檢索越來越成為信息檢索領(lǐng)域研究的熱點。 個性化信息檢索是一種能夠滿足用戶個體需要的信息服務(wù)方式，它通過研究用戶的背景知識和行為習慣，向不同的用戶返回

2、不同的信息，即在通過用戶模型對用戶的模擬的基礎(chǔ)上，為用戶提供針對性的信息服務(wù)。目前，雖然有很多這方面的研究，但是要真正完全地符合個性化需求并非易事，迄今為止，還沒有一個成熟的個性化檢索系統(tǒng)投入使用。 用戶模型在個性化信息檢索中起著關(guān)鍵作用。通過對國內(nèi)外個性化信息服務(wù)和用戶建模領(lǐng)域的研究發(fā)現(xiàn)：現(xiàn)有的個性化信息服務(wù)中，用戶模型的構(gòu)建理論可分為基于統(tǒng)計的和基于語義的兩種?；诮y(tǒng)計概率和推理建立的用戶模型本身是符合對用戶興趣的發(fā)現(xiàn)過程的

3、，但隨著語義網(wǎng)的發(fā)展，這種基于統(tǒng)計的用戶模型在語義的表達上顯示出不足；基于語義的用戶模型將用戶興趣從基于關(guān)鍵詞的層面提升到了基于知識的層面，把關(guān)鍵詞通過語義聯(lián)系了起來，對用戶興趣的描述更深入，卻又忽略了興趣變量值的概率分布。這使得兩者在描述用戶興趣時都表現(xiàn)出片面性，不夠準確和貼切。 本文利用基于統(tǒng)計的用戶建模和基于語義的用戶建模優(yōu)缺點互補的特性，在基于統(tǒng)計的貝葉斯網(wǎng)絡(luò)用戶模型的基礎(chǔ)上，通過引入語義互信息，提出了用于個性化信息檢索

4、的基于貝葉斯網(wǎng)絡(luò)和互信息的用戶模型BMB_PRLIM。在對相關(guān)理論介紹的基礎(chǔ)上，首先，給出了BMB_PRUM的結(jié)構(gòu)和形式化描述；其次，對BMB_PRUM的構(gòu)建過程作了詳細地說明，包括初始化算法和動態(tài)用戶興趣的提取及BMB_PRUM的學習更新；然后，介紹了如何使用BMB_PRUM來實現(xiàn)個性化檢索；最后，通過模擬實驗，驗證了BMB_PRLJM的有效性。 本文的研究在實現(xiàn)個性化信息檢索方面是有益的探索，BMB_PRUM在改善查詢的查準