数字图书馆个性化推荐系统中信息过滤及其相关技术的研究与应用.pdfVIP

● 性化服务。典型的客户端个性化服务系统有斯坦福大学的LIRA、麻省理工学院的 WebWatcher 等。在代理端个性化服务系统中，用户信息的收集、用户建模和个性化服务均在 代理端实现。由于用户的信息需要传给代理端以进行用户建模，因而对用户的隐私 可能造成侵犯，其优点是可以在被代理的用户群中实现合作式的个性化服务。典型 的代理端个性化服务系统有明尼苏达大学的GroupLens、斯坦福大学的Fab等。在 服务器端个性化服务系统中，用户信息的收集、用户建模和个性化服务均在服务器 ● 端实现。由于用户的信息在非本地的服务器端处理，因而同样有可能侵犯用户的隐 私，其优点是可以实现合作式个性化服务，还可以实现网站个性化。典型的服务器 WebPersonalizer、NEC研究院的CiteSeer、Yahoo l公司的MyYahoo等，还有一些 个性化电子商务网站，如Amazon、Ebay等。在客户端用＆务器端个性化服务系统 中，用户信息的收集在客户端实现，用户建模和个性化服务在服务器端实现。由于 用户信息是在客户端收集，因而能够获得丰富准确的用户信息，缺点是需要传输用 户信息，而且也容易造成对用户隐私的侵犯。但由于个性化服务是在服务器端实 ● 现，因而可以实现合作式的个性化服务。客户端朋＆务器端个性化服务系统的实现 结构中，用户信息的收集和用户建模均在客户端实现，只有个性化服务在服务器端 实现。由于用户信息的收集和用户建模是在客户端收集，因而能够收集到丰富、准 确的信息构建用户模型，缺点是需要传输用户模型，也容易造成对用户隐私的侵 犯。但由于个性化服务是在服务器端实现，因而同样可以实现合作式的个性化服 务。 2．3．目前个性化推荐系统的系统结构 ● 目前有代表性的个性化推荐系统有斯坦福大学的个性化推荐系统Fab、NEC研 究院的个性化检索系统Inquires2和个性化电子商务网站Amazon． 斯坦福大学的个性化推荐系统Fab采用的结构如图2-1所示。 6 ● 图2．1Fab系统结构 Fab是斯坦福大学数字图书馆工程的一部分，它采用混合推荐技术向用户推荐 感兴趣的页面。 Agent维护一个主题模型，从Web中收集与主题模型匹配的页面，提交给中心分发 器；中心分发器维护所有用户的用户模型，根据页面与用户模型的匹配程度向用户 推荐页面；每个用户的选择Agent维护包含该用户的用户模型，对中心分发器推荐 给用户的页面进行筛选，删去用户已经浏览过的页面，并对每个站点只保留一个推 ● 荐页面，而后将经过筛选的页面推荐给用户。这一过程的实质是基于内容的推荐。 用户浏览过推荐的页面后，Fab要求用户对推荐的页面进行标注，用户对页面的标 注反馈给选择Agent、中心分发器和收集Agent，用于更新用户模型和主题模型。 同时，用户评价很高的页面直接推荐给具有相近兴趣的用户，实现合作推荐f1,21． Inquirus2的系统结构如图2-2所示． 搜哦‘l擎l 舟嘲笑键蠲 ^辩濑选择 州户辑