个性化用户兴趣模型的研究.docVIP

个性化用户兴趣模型的研宄 随着人们对信息获取手段和效率提出越 来越高的要求，传统互联网的服务模式正在逐渐向主 动式、个性化、高效率的转变。个性化服务技术的出 现在一定程度上解决了 Internet中信息海量增长与用 户获取信息手段相对简单之间的矛盾。用户兴趣建模 技术作为个性化服务的核心问题，主要研究如何有效 地进行用户兴趣的表示、更新、存储以及计算。 关键词：个性化;用户模型;数据挖掘 TP301 A : 1672?7800 (2011) 012?0029?03 张艳（1983-），女，江苏邳州人，硕 士，南京陆军指挥学院助教，研究方向为数据挖掘。1 用户兴趣模型研宄现状 1.1用户兴趣模型的研究内容 目前的检索系统多从检索模型和信息加工过程来 提高检索的准确性，并没有给予用户更多的关注，特 别是以网络搜索引擎为例，不同背景的用户使用相同 的提问来查询，得到的结果没有区别，相同的用户在 不同的时间做的相同的查询，得到的结果没有区别， 使得用户不容易发现自己的最新兴趣，这主要的原因 是，在这些服务系统中，没有考虑到用户信息的存在， 也就是用户过去的行为和用户的历史数据。为了解决 这个问题，有必要引入用户兴趣模型。 用户模型的应用领域是广泛的，在信息检索过程 中引入用户模型，有利于实现自适应检索，既提供一 种个性化智能化的信息检索服务。通过对用户检索行 为历史中的记录和学习，可对用户检索提问分析得更 为准确，这实质上就是提高检索结果与用户需求之间 的相关性，通过提高用户相关度来提高用户的满意度。 同时，用户模型有助于预期定位用户的需求，进行主 动服务。 用户兴趣模型的定义为：用户兴趣模型是用来捕 获用户需求及其兴趣点，并记录、管理用户兴趣，描 述用户潜在的兴趣及需求的模型。 1.2研宄现状 早期用户模型主要是用在自适应人机界面 (Adaptive human?Computer interface),同时也是信息 过滤(I nformation Fj Ite ri ng)机制研兜的一个核心问题。 用户界面是直接与用户交互的接口，通过与用户的交 互，接收用户的行为，积累用户处理事务的经验，以 应对用户出现的新的动作。用户模型是用于存储和管 理用户行为历史，存储学习用户行为的知识和进行相 关推导的知识功能的集合。信息过滤是研究的是面向 个体进行信息过滤筛选，它关注用户的长线需求(在一 段时间内为固定不变的需求)，提供与其相关的信息。 用户描述文件还没有一个统一的标准，如 W3C( .省略)有两个涉及用户描述文件的标准： PICSjplatform for internet content selection)和 APPEL1.0(a P3Ppreference exchange language 1.0),PICS 是父母和老师用来控制孩子的浏览能力的，提供了过 滤规则定义语言PICSRules.APPELl.O可定义用户感兴 趣的站点和过滤规则，这些规则大部分是在PICSRules 的基础上发展起来的。此外，Netscape,Firefly和 VeriSign 曾向 W3C 的 P3P(platform for privacy preferences)工作组提交了一个 OPS(open profiling standard)草案，由于目前P3P版本不打算考虑如何进 行数据传输，因此该草案被搁置一边，OPS描述了如 何表示一个用户描述文件以及用户与Web站点交互 的问题。文件可以用文件来组织，也可以用关系数据 库或其它数据库来组织。目前有一些系统采用基于 XML 的 RDFjresource definition framework）来表达用 户描述文件，并利用支持XML的数据库系统来存储 用户描述文件。这样，不仅利用了 XML的优点，也 保持了系统的性能。表1从用户描述文件创建的数据 源和表达方式比较了几个典型的个性化服务系统。 1.3存在的问题 通过大量的调研学习发现：首先，目前大多数个 性化系统的用户兴趣模型都是基于内容进行用户兴趣 挖掘的，偏重于用户浏览内容的学习和研宄，而对用 户行为的分析研宄尚不充分，未能有效地利用用户行 为来发现用户兴趣及过滤噪音。由此所构建的用户兴 趣模型的客观性和准确性都受到了限制。其次，用户 及文档特征的表示方法单一，通常将文档或用户当作 一个“整体”进行描述，这样的特征表示方法缺乏层 次性，表示粒度有限，难以真正体现“个性化”的初 衷。再次，用户兴趣模型学习过程中所用的训练文档 都被假设为用户“兴趣文档”，没有对其中的“非兴趣 文档”加以区分，因此引入了许多个性化系统自身系 统框架及算法难以过滤掉的噪音。 表1典型的个性化服务系统的用户描述文件对比 个性化服务系统数据源用户描述文件的表示方式