个性化推荐系统是解决用户从海量信息中迅速有效地筛选出符合自己偏好特征的信息的有效手段。它在当代信息社会具有巨大的现实需求,是信息服务发展的必然趋势。 本文介绍了个性化推荐系统的概念、详细分析其相关运用技术,并研究针对科技文献个性化推荐系统中用户偏好的建模方法,最后进行原型系统的实现。 用户偏好模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务。用户偏好模型是影响推荐系统服务效率的重要因素,因此针对用户偏好进行建模是个性化推荐系统实现中要重点考虑的问题之一。 目前针对用户偏好模型的建立和学习方法,国内外已有一些研究。但是从用户个体出发,将用户短期偏好与长期偏好有效结合,反映用户在信息动态环境变化中不断变化的偏好需求,并运用于科技文献个性化推荐系统的并不多。借鉴已有的研究,本文提出针对基于客户端个性化推荐系统的用户偏好模型,设计了动态偏好模型的方法。具体表现为在建模过程中动态提供用户偏好的分类,允许用户直接对偏好分类进行添加和删除;提供示例文档,让系统来分析用户偏好倾向;将用户偏好与检索过的内容关联起来,从而发现用户新的偏好;并有机结合用户的长期偏好与短期偏好,力图准确地表现用户当前的偏好倾向。 全文主体共包括四个部分。第一部分分析科技文献个性化推荐系统的必要性以及推荐系统的应用现况;第二部分阐述个性化推荐系统的三种支撑技术及用户偏好模型;第三部分针对科技文献个性化推荐系统特点提出用户偏好建模的方法;第四部分笔者对所提出的用户偏好模型进行具体的设计和实现。