个性化信息检索中用户兴趣模型的研究-计算机科学与技术专业论文.docx

哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 - - I - - - II - 摘要 下一代搜索引擎的一个突出特点是个性化，个性化信息检索是以用户为 中心的信息检索技术，它获取以多种形式表达的用户需求（包括显式的、隐 式的以及相关用户的需求），并综合利用这些用户信息，提高信息检索系统 的性能。 作为个性化信息检索中的重要研究子课题，用户兴趣模型研究通过对用 户检索和浏览历史的分析，建立用户短期与长期兴趣模型，并随着用户信息 和检索领域的变化对用户兴趣模型进行更新。用户兴趣模型研究面临的主要 问题是，缺乏合理的任务划分和标准评测集，无法对用户兴趣模型进行公正 的评价。因此，本文通过对个性化检索进行合理的任务划分，并利用开发的 语料标注辅助系统，为其建立了标准评测集，以公正地评价和比较用户兴趣 模型。 个性化信息检索可以根据用户的检索兴趣返回个性化检索结果。本文首 先提出了用户短期兴趣模型，根据用户检索对象的变化识别包含新检索兴趣 的查询。同时，引入 TextTiling 方法并对其进行改进，使系统可以自动选择 合适的动态阈值并准确发现用户检索兴趣的转移。在本文构建的标准评测集 上的实验结果表明，改进的 TextTiling 方法使得用户新兴趣发现系统性能提 高了 16.4%，而且使得最终的个性化信息检索系统的性能提高了 3.8%。 本文同时还提出用户长期兴趣模型，采用余弦相似度法和迭代法确定各 个用户单一模型的权重，将单一模型合并为用户长期兴趣模型。在本文构建 的基于 TDT 语料的标准评测集上的实验表明，基于余弦相似度法和迭代法 的用户长期兴趣模型使系统性能提高了 7.3%，并使得最终的个性化信息检 索系统在用户短期兴趣模型的基础上提高了 8.2%。 关键词 个性化检索；用户兴趣模型；TextTiling；迭代法 Abstract An important characteristic of next generation search engine is personalization. Personalized Information Retrieval (PIR) focuses on users. It captures users’ interest in different kinds (explicit, implicit interest and interest of similar users). These information of users are integrated and used to improve the result of information retrieval system. The establishment and update of users’ interest model is an important subtask of personalized information retrieval. Its task is to establish the users’ short-term and long-term interest model by analyzing users’ retrieval and browsing history. The users’ interest model will also be updated with the change of users’ information and retrieval areas. The problem in this task is the lack of task’s division and standard evaluation dataset. Therefore, this paper defines three subtasks of PIR, which include the establishment and update of users’ interest model. The establishment standard evaluation dataset makes it possible to evaluate and compare the systems of users’ interest model. PIR can grasp the users retrieval intention and find personalized results. This paper proposes the users’ short-term interest model,