论文部分内容阅读
互联网规模和覆盖面的迅速增长带来了信息超载的问题:过量信息同时呈现使得用户无法从中获取对自己有用的部分,信息使用效率反而降低。现有的很多网络应用,比如门户网站、搜索引擎和专业数据索引本质上都是帮助用户过滤信息的手段,然而这些工具只满足主流需求,没有个性化的考虑,仍然无法很好地解决信息超载的问题。推荐系统作为一种信息过滤的手段,是当前解决信息超载问题的非常有潜力的方法。由于个性化推荐系统不仅能够为用户提供个性化的服务,而且能够与用户建立长期稳定的关系,提高用户忠诚度,防止用户流失,因此它首先在B2C电子商务领域得到了广泛应用。
经过调研发现目前的推荐系统绝大部分是基于单个电子商务网站的应用,所推荐的产品和服务是基于电子商务网站的。然而,现实中越来越多的企业在完成了企业门户和企业知识系统的平台后,也期望将推荐系统引入到企业知识库中,为内部员工带来知识学习的便利。其次,政府电子政务和高校数字化图书馆的建设中对推荐系统的需求也越来越大。因此,设计一个通用的个性化推荐系统模型,使其能够为企业、政府或高校在构建内部知识系统平台时提供一个参考是具有研究价值的。
本文在深入调研了推荐系统在计算机网络和信息领域的主流研究和应用后,提出了一个通用的个性化推荐系统模型,使其能够为企业、政府或高校在构建内部知识系统平台时提供一个参考。并在该模型的基础上给出了基于用户浏览行为的推荐系统的设计实例,详细阐述了推荐系统设计过程中的各种技术和问题。该实例采用有效的文本挖掘技术、基于内容过滤和用户浏览行为分析来创建用户兴趣模型,并通过Multi-Agent来完成整体系统的构架。