论文部分内容阅读
随着网络应用的普及,网上信息量以惊人的速度增长,并且更新频繁。人们面对的问题不再是缺乏有用信息,而是如何找到自己所需要的信息。传统信息检索技术满足了人们的一定需要,但仍然面临低检准率和低检全率问题。多数商业搜索引擎提供的信息检索服务,由于其通用的性质,不能满足不同背景、不同目的和不同时期的查询请求。基于这种现状,作者设计并实现了个性化智能信息检索系统,旨在提高信息的检准率。 作者在广泛研究了国内外信息检索技术发展现状之后,掌握了目前信息检索系统的不足和发展趋势。本文针对目前检索系统的缺点,进行了个性化智能信息检索系统研究。本系统是一个结合人工智能领域Agent技术、机器学习技术、聚类技术与现有信息检索系统为一体的个性化智能信息检索系统。 本文给出了本系统的总体设计思想和系统体系结构。详细阐述了本系统个性化智能化的实现方法,对其中应用到的关键性技术和算法进行了详细描述。本系统通过观察用户在与系统交互时的行为,学习用户的兴趣,基于用户个人兴趣对检索结果做个性化过滤处理。经过过滤处理后的文档,其精度显著提高,更加贴近用户的兴趣。其中Agent模块是本系统的核心模块,它负责获取用户的喜好;创建并及时更新用户兴趣模型;基于用户兴趣模型对文档做个性化过滤。 为了实现信息检索的个性化智能化,作者提出使用个人兴趣档案模型来描述用户的兴趣,其中基于主题分类的个人兴趣词库是该模型中体现个人兴趣的关键部分。本文提出应用强化学习方法对个人兴趣模型进行自主更新,应用聚类技术于相关文档的个性化过滤。经实验验证,这些技术取得了良好的效果。作者在信息检索的个性化智能化领域,进行了有益的探索,并取得一定成果。