信息推荐系统的出现是为了帮助人们从海量的信息集合中准确地获取自己所需要的信息。推荐系统中最常见信息过滤技术是基于内容的过滤和协作过滤,两种方法都各有其利弊;而且基于传统C/S模式的信息推荐系统也不太适合于如今快速多变的网络应用服务。而Agent技术近年来已经成为一种新型的分布式计算模式,具有灵活、高效、可靠和可伸缩的特点,十分适合用来构建信息推荐系统。 本文首先提出了一个基于Agent的智能信息推荐系统的体系结构模型。这个模型在逻辑上分为三层,在每一层都有对应于用户的Agent,分别承担着提供接口、进行信息过滤和兴趣学习以及信息检索等工作。 论文随后详细讨论了信息过滤策略和兴趣学习策略。本文提出综合基于内容过滤和协作过滤的混合信息过滤策略,基于内容的过滤采用关键字向量空间模型,协作过滤采用用户评价矩阵,并利用二分图扩展评价矩阵以减轻评价矩阵的稀疏性。在用户兴趣学习策略方面,采用了基于向量空间模型的用户兴趣学习方法和基于ID3算法的决策树学习方法两种方法。 采用本论文所提出的体系结构模型和信息推荐策略,作者采用JAVA语言在Aglet平台上设计实现了一个原型系统,并通过应用实例说明了系统达到了预期目标,验证了论文思路的正确性。最后是工作小结和未来展望。