INTERNET网上的一种识别用户兴趣的学习方法.pdfVIP

第35卷专辑 兰,Jq大学学报(白然科学版) Vol35Supp 1999年8月 loumalofl Sciences anzhou(]nivcrsit3’(Natural Augl999 文章编号：0455—2059(1999)062506 INTERNET网上一种识别用户兴趣的学习方法 李晓黎1，史忠植：，梁永全I，刘福桃2 、。f ：、 (1 qJ田科学院-十箅技术tOttoZ所，智能开放实验空，北京100080i2山两建树T业学投．太原030006 摘要：本文针刘INTEIC＼ET删j．信窟、繁多同尢垮的特点，提mJ+一种识5)|』用户必挫的学习方“i．该 _方法汉用较少的人机交互，就可对标题中的特丌l叫分类川计算』Clo土题的相天程度．从而确定r 用户的兴趣描述文件．该支件可以作为判别用J，必蚀的基础 关键词：信甚榆索：特征¨J．必趣度 0引言 随着INTERNET网上信息的刷增．人们n利H J计辨：机检索信息时变得越来越刖难 一方 面是信息的海洋，收剑太多的信息尤从选择和消化：兄一方而是信息迷失，人们雉丁找到n 己真止所需的信息原Ⅲ是：人们不易粘确地川关键词表达上题，即兴趣所在．同时，由丁 兴趣的厂一泛性与易变性，也不允许舷静态的表达来描述所以，准确、动态地描述_Lfj户的兴 趣就成为网上信息检索的笑键它既可以协助计算机准确定位川广之所需，而且也成为实现 主动信息服务的儿次条件 日前，_【fj户兴趣的描述有的直接采JH人为描述其兴趣文{J|：来实现．这种做法的描述粒度 不好把握，】_J时由于川户不熟悉领域知识，闭此也不准确也仃一此算法具体分析INTERNET 上的WEB页皿的内容，甚至进1步分析与其链接的llT＼f1．文件，将它们转变为文本的向餐描 述通过计算川户兴趣向鞋与文本兴趣向量间的相似皮来确定用户是甭感兴趣．这种方法的 计算量太人，响应时间过K 本文提出了一种川户不卉接编辑兴趣剂，述文件的动态兴趣’≯习方法 陔方法采明统计 学的原理，仅州较少的人机交“即、旬问埘p对一定数女j文审的标题足否感兴趣，就可通过 兴趣学习算法r1动获得个性化的兴趣描述文什从而川j}+】『1的相关信息检索，f}{摹木保证 符合用户的兴趣随着_【{J户兴趣的改变，也可快速地1’≯习以适应川户的新需求 1特征词的作用及辨识 标题是概括文章中心的句f，它言简意骇地表达了文章的梭心内容有人抽样统计， 国内中文期刊白然科学呛文的标题与文章上题的基本符合平高达99％，通过列标题的’产习， 我们可以把握文章的中心内容，同时只利川较少的忆息。亨习减少了网络的传输，船陕了。’产习 的述度 收稿日期：1999—02．10 作者简介：半晓黎(1969-)，男，讲帅 626 兰州大学学报(自然科学版) 第35卷 人们之所以在阅读标题后可以判断是否对其感兴趣，这土要由标题的构成成员即特征 涮的|生质决定经过仔细分析可知，特征涮可分成三类～类是积极特征词：由于它的存在 使HJ户感兴趣：筇二类为消极特祉词：由丁它的存在州户对此不感兴趣：第二类是无川特征 词(严格说不是特征御)：它的存侄小作为判断用户有无兴趣f1勺依据 相。给出_l_}j户一定数鞋的标题后，请川户判断是否有兴趣学习算法由此给标题中的特 征词门类并计算其持祉科度，构成必趣描述文什在此基础上，刘任意给山的标题，可以根 据兴趣描述文fl’计算该标题的兴趣度，从而可以判断川广是否订兴趣．这就是本文的总体思 路 定义1 设标题集为{LiLle．}．其巾l=1，2，…，k，停川词序为STOPLISr． w。．为Litle．的第j个特征词，其中j-l，2，…，n， P(tjtle，)为Ljjle．是心户感必趣的概率， P(ti Lle．，W．．)为当tnle，的第J个词为w．时川户感兴趣的概率， 则当wij《STOPLIS]、HP(title，，w．)P(title．)时，w．为积极特征词