基于神经网络的用户建模和Web信息过滤研究-计算机应用技术专业论文.docxVIP

基于神经网络的用户建模和Web信息过滤研究内 基于神经网络的用户建模和Web信息过滤研究 内 容摘要 学科专业：计算机应用技术 研究方向：网络应用神经网络 指导教师：李建国教授 研究生：代学武(2000284) ／Web个性化服务是当前人工智能和信息技术领域研究的热门课题之一。以搜 索引擎为主的信息检索技术并没有考虑用户的兴趣、偏好的不同，相同的关键词 返回相同的结果。而且返回的结果良莠不齐，用户需在大量噪音中找寻有用信息。 用信息过滤技术改进Internet信息检索系统已成为非常重要的研究方向，是个性 化服务的基础。 利用用户模型可以更好的进行信息过滤。用户模型(User Model)是对一个 类别的用户组或单个用户的描述。基于用户模型，计算机中可以表达、存储、复 现用户模糊的、变化的兴趣特征，其中存储的用户信息构成了过滤条件，使得信 息过滤更有效。／‘ 本文首先分析了目前Intemet上个性化文本信息检索的研究和应用情况，以 及以模糊逻辑、神经网络为代表的软计算的发展现状。借鉴ANFlS网络，提出了 一种将神经模糊网络技术应用到用户建模中，建立个性化自适应用户模型，并应 用于Web信息过滤的方法。文中讨论了以下几个关键问题： (1)Web页面和用户兴趣的表达，采用了向量空间模型(VSM)，将Web页面映 射为向量空间中的内容向量彤。艇过滤之前，由用户输入检索关键词和若干Web 页面作为样例，经分词抽取出用户的兴趣向量ui。，r (2)信息过滤的目的是将Web页面分为相关Web页面集合R和不相关Web页 一， 一 面集合R。㈣用术语在g和R中的局部权重的不同，选择权重差别最大的那些术 语作为特征术语，以确定和调整向量空间的维度，在降低向量空间维度的情况下， 尽量保持模型的准确性。广丫 (3)用户模型结构的建立(模型的结构辨识)。f利用模糊集合理论，建立了一 组模糊W-THEN规则，并用ANFIS网络实现。用户的兴趣向量ui和权重ri作为 参数存储到网络中。巧作为输入变量，输出量是系统对巧和ui相关度的评判值 nRpredjn卜 n Rpredjn卜 (4)用户模型参数的优化(模型的参数辨识)。睬用的是Candidate／Rank模 式，在“学习一过滤一反馈一再学习一再过滤 ”中调整参数。将用户的相关 反馈Ruserj和Rpredj的差值作为误差信号，采用Widrow--Hoff算法在线式学习， 优化ri。当与用户的交互达到一定程度后，进行离线式学习，对ui进行调整。厂呻 基于以上讨论，实现了一个基于模糊神经网络用户模型的信息过滤原型系统 AUMIF，并利用该原型系统对google返回的Web页面进行过滤。通过过滤前后 准确度的比较，验证了该系统的有效性。 (本文中的一些思想对类似的应用有一定的借鉴价值少巾 关键词：用户模型信息过滤模糊集合神经网络ANFIS The The Research on Neural——Networks_based User Modeling and Web Information Filtering Dissertation Submitted to SouthWest China lqormai Unive商ty forthe degree ofMasterofEngineering by DaiXuewu Major：Computer Application Direction：Networks Application Neural Networks Supervisor：Li Jianguo Author：Dai Xuewu(2000284) Abstract The Web personalized service is one of hotspots in AI and information technology． The current information retrieval system which mainly bases on search engine don’t concern enough about users’different interests．Users get the same results if they submmit the same query words．At the same time，the good and bad are intermingled． Users have to find suitable information from huge amount of Web pages manually．It’s important to improve current information retrieval system