基于《中国图书馆分类法》用户兴趣建模方法.docVIP

基于《中国图书馆分类法》用户兴趣建模方法 　　〔摘要〕提出一种基于《中国图书馆分类法》的用户兴趣建模方法。通过《中国图书馆分类法》分类号确定用户初始兴趣模型，使用《中图分类主题词表》中词汇描述用户兴趣主题。对于用户模型的学习，提出一种通用的方法，将各种反馈信息融合统一。在上述思想的基础上，开发出一个科技文献推荐系统，使用户在尽可能少的参与下，完成用户模型的建立、学习和更新。 　　〔关键词〕信息推送用户兴趣模型个性化 　　〔分类号〕G250.7 　　 　　User Interest Modeling Based On Chinese Library Classification 　　Ma Haibing1Wang Lancheng4 　　Shanghai Branch, Nanjing Political Institute, Shanghai200433 　　Xiao Hui2 　　Ningbo Instiute of Technology , Zhejiang University , Ningbo 315100 　　Li Ronglu3 　　Autodesk Inc. Shanghai, Shanghai200001 　　 　　〔Abstract〕This paper proposes a user modeling method based on Chinese Library Classification (CLC). The initial user model is defined by classification number of CLC, and the subject terms of CLC is used to describe user interests. It also puts forward a universal frame which can combine all kinds of feedback information for the user model to learn. Based on these ideas, it develops a science document recommend system, where user model can be built, learn and update as few participations of the users as possible. 　　〔Keywords〕information recommending systemuser interest modelpersonalization 　　 　　 　　1引言 　　 　　今天，互联网技术发展迅速，网络信息呈指数增长，但浩瀚如海的网上资源往往导致“信息过载”和“信息迷向”。传统的搜索引擎满足了用户的信息查询需求，但它不具有智能性，不能学习用户的兴趣。具有特定兴趣，信息需求相对稳定的用户，只能不断在网上反复查询相同的内容。正是在这样的需求驱动下，信息推送技术得到了长足的发展。如果把信息检索看作是一种“人找信息”的信息服务形态，那信息推送就是一种“信息找人”的信息服务形态，即实现信息的个性化推荐服务。 　　个性化推荐技术的关键是用户兴趣模型的建立和学习。对于用户兴趣模型的建立，多数信息推送系统是通过让用户主动地输入一系列关键词，给每个关键词分配合适的??值来实现的。但是，用户常常找不到恰当的关键词来描述自己的兴趣，更不用说合适的权值了，而且词语的多义现象和同义现象也会导致一些不正确的信息被推送过来。对于用户兴趣 　　模型的学习和调整，有的文献通过显式反馈实现[1-2]，如将推送信息分为非常感兴趣、比较感兴趣、不感兴趣、完全不感兴趣等一些离散的等级或一些离散的数值，让用户进行评价;也有一些系统通过监视用户的行为来实现[3-5]，如:浏览时间、保存、打印操作等，为用户模型的学习和调整提供依据，这类信息被称为隐式反馈信息。显式反馈信息比较准确，但是增加了用户的负担。隐式反馈信息减轻了用户的负担，但这类信息往往不够准确，不一定能够反映用户真实的兴趣需求。 　　针对这些问题，笔者提出了一种基于《中国图书馆分类法》(以下简称《中图法》)的用户兴趣模型:通过《中图法》分类号建立初始用户兴趣模型;利用《中国分类主题词表》中的词汇来描述用户的兴趣主题，解决词语多义问题和同义问题;将用户反馈信息进行分类，尽量利用用户浏览时的行为信息，使用户在尽可能少的参与下，完成兴趣模型的学习和更新。 　　 　　2用户兴趣模型描述 　　 　　2.1用户兴趣模型的表示 　　用户兴趣模型指的是从用户信息需求的提交到注销这段时间内，对用户某一兴趣需求的一