论文部分内容阅读
本文研究的模型是基于向量空间的三层树状用户兴趣模型,由用户模型节点,信息类别和用户兴趣子类三层构成。最上层为虚节点,为以后的用户分类设计。信息类别来源于RSS聚合器的频道,是对新闻信息类别的划分。用户兴趣子类是代表用户的兴趣主题,设计思想来源于语义概念的方法。同时对模型进行了形式化的描述。
通过用户对于信息体的初始操作,积累一定量的信息作为初始化模型的样本数据。对于文本样本数据,使用统计方法进行向量化,在向量空间中进行划分子类的操作。并且根据相关的用户操作行为设定用户兴趣子类初始的用户兴趣度权重。在模型构建好之后,将根据用户的反馈行为不断的进行模型的更新。
本文也对基于该模型的应用,信息推荐服务,进行了系统设计。同时引入信息冗余的思想,在无法准确描述用户兴趣主题的情况下,加入适当信息冗余会提高信息推荐服务的效率和人性化。信息冗余度的调整根据信息类别的兴趣权重进行调整。