近年来,随着互联网与大数据的飞速发展,用户在阅读电子文章时往往需要打开多个页面来寻找相关知识帮助理解;目前大多数阅读辅助系统仅针对文章的部分内容进行释义,存在以下三方面的不足:(1)对用户如何快速获取能够帮助理解的内容帮助较少;(2)因为不同用户在同一篇文章中感兴趣的内容有所不同,难以提供针对性服务;(3)忽略了阅读顺序对用户阅读的记忆和理解的影响。本文通过为用户建立兴趣模型描述用户的个性化需求,通过兴趣模型和阅读文章,向用户推荐能够帮助理解的文本内容和阅读顺序,并通过参考文献与相关文章对阅读内容作出扩充,扩大所推荐文本范围,进一步帮助用户理解文本。本文基于以上工作,实现了辅助阅读系统。。本文具体内容如下:(1)构建兴趣模型。本文根据用户提供的相关信息为用户构建兴趣模型。构建方法使用WordNet语料库中名词的上下位关系和表示兴趣的关键词所在的上下文信息,利用关键词权值(tf-idf,Term Frequency-Inverse Document Frequency)为兴趣模型中兴趣点的优先度排序提供指标,采取带权结点有向图状模型体现用户兴趣的层次性与链接性,并挖掘兴趣模型中关联较为紧密的兴趣社区以作为兴趣模型的度量。(2)推荐阅读定位。通过分析语义相似度和结构相似度,本文提出一种映射方法。该方法将阅读文章转变为话题网络,然后将该网络与兴趣模型中的兴趣社区进行相似度比较分析,以确定推荐阅读区域,再根据兴趣社区和话题网络结点的关联性,推荐用户阅读顺序。(3)进行内容扩展。本文使用向量表示阅读内容中的话题,然后通过向量匹配在参考文献或者引用阅读文章的相关文献中检索与阅读内容相关的段落,最后将匹配结果进行综合、去重等操作后呈现给用户阅读。本文创新点主要包括:(1)对传统阅读系统作出改进。以用户兴趣表示、阅读定位和阅读扩展为主,快速确定用户阅读文章感兴趣的内容,同时对阅读内容作出扩展,帮助用户更加全面理解阅读内容。相对于传统阅读系统,本文重点研究阅读内容的获取和理解。(2)对阅读过程的改进。以兴趣社区中兴趣点为基础重构文章阅读顺序,推荐用户优先阅读与兴趣相关的内容。该阅读顺序有利于用户形成连串记忆,加深对阅读内容的理解,减少阅读反复次数。(3)从文本推荐深入到内容推荐。一般的文本推荐方法仅推荐文本,读者仍需在文本中辨别出感兴趣或者需要阅读的内容。本文设计的阅读辅助系统可以根据用户兴趣,对阅读文章中的内容作出推荐,帮助用户更快速的获取文本中的目标内容。