基于用戶興趣模型構(gòu)建與個性化搜索算法研究

《基于用戶興趣模型構(gòu)建與個性化搜索算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于用戶興趣模型構(gòu)建與個性化搜索算法研究　　摘要：為準確有效地識別出用戶感興趣的信息，該文構(gòu)建了一個簡單的基于用戶興趣模型的個性化搜索系統(tǒng)。該系統(tǒng)借助開源搜索引擎Nutch和Solr全文搜索服務(wù)器挖掘用戶的瀏覽數(shù)據(jù)和點擊行為，設(shè)計基于用戶點擊行為的個性化PageRank算法，實現(xiàn)了面向用戶的個性化搜索。實驗過程中，通過和未使用個性化搜索算法的系統(tǒng)比較，實驗結(jié)果得出：基于用戶興趣模型構(gòu)建的個性化搜索系統(tǒng)會根據(jù)用戶興趣模型和個性化搜索算法對搜索的結(jié)果進行優(yōu)化和排序，能更加注重用戶的興趣體驗，可以提高搜索引擎的準確度，使用戶對查詢結(jié)果更加滿意?！　￡P(guān)鍵詞：用戶興趣模型；個性化搜索；動態(tài)更新策略　　中

2、圖分類號：TP18文獻標識碼：A文章編號：1009-3044（2016）18-0001-04　　1概述　　隨著Internet技術(shù)的快速發(fā)展，人們通過Internet可以快速、便捷地獲取大量信息。然而，目前存在的搜索引擎仍然存在同步性差、檢索方式單一、信息服務(wù)方式被動等不足，沒有考慮到不同的用戶有著各自的興趣愛好，使查詢結(jié)果不能根據(jù)不同用戶進行優(yōu)化，而個性化搜索可以幫助用戶最快最簡單地找到自己需要的內(nèi)容或網(wǎng)站。因此，個性化搜索服務(wù)成為當(dāng)前一個熱門的研究課題。11　　個性化搜索對于提高搜索信息的準確度具有重要意義，研究人員已做了一些有意義的工作。中南民族大學(xué)的張小琴、王曉輝[1]等人對現(xiàn)有的主題

3、信息搜索系統(tǒng)進行了改進，使其具有動態(tài)學(xué)習(xí)功能，能夠通過分析用戶訪問數(shù)據(jù)來建立用戶興趣模型，并利用該模型對搜索結(jié)果進行個性化處理和篩選，從而達到個性化搜索的目的，但是，其由于搜索引擎不能準確理解網(wǎng)頁內(nèi)容的語義，簡單的利用詞語匹配、統(tǒng)計分析和相關(guān)分析等算法在一定程度上會造成理解錯誤。董富江、楊紅等人[2]設(shè)計的Web頁面?zhèn)€性化搜索系統(tǒng)提出了一個Web頁面搜索系統(tǒng)架構(gòu)，給出了系統(tǒng)中用戶個性化信息存儲方法。但是，該系統(tǒng)難以使用戶有效表達查詢需求，導(dǎo)致出現(xiàn)搜索結(jié)果不理想的情況。因此，如何建立成熟的用戶興趣模型和個性化結(jié)果排序算法已成為個性化服務(wù)研究的熱門課題?！　”疚尼槍δ壳八阉饕娌荒芨鶕?jù)不同用戶調(diào)整

4、搜索頁面的缺陷，在現(xiàn)有搜索引擎技術(shù)為基礎(chǔ)上進行改進，以減少用戶使用的復(fù)雜度為原則，提出了一種用戶興趣模型，它通過搜集用戶瀏覽頁面的歷史記錄和點擊行為，并對傳統(tǒng)的個性化搜索算法進行改進，以此來解決目前搜索引擎存在的不足，從而提高搜索引擎的準確度，使用戶對搜索結(jié)果更加滿意?！　?相關(guān)技術(shù)　　2.1個性化檢索模塊11　　個性化檢索模塊可以對各個用戶在不同時間段的興趣愛好，為用戶提供更高質(zhì)量的搜索結(jié)果。通常的個性化檢索模塊主要包括：網(wǎng)絡(luò)爬蟲、索引、查詢機、接口模塊、個性化模塊、過濾器、用戶興趣模型數(shù)據(jù)分析等。[3]在此基礎(chǔ)上，本文增加了個性化排序、個性化模塊、用戶興趣模型三個模塊，其中個性化排序模塊和

5、個性化興趣庫是本模型的關(guān)鍵部分，其功能分別如下：　　1）個性化模塊：通過用戶興趣庫中的數(shù)據(jù)分析各個用戶的查詢請求，從而使搜索引擎能夠根據(jù)不同用戶的行為進行相應(yīng)的數(shù)據(jù)處理?！　?）個性化興趣庫：主要用于存儲各個用戶的興趣愛好數(shù)據(jù)?！　?）個性化排序模塊：對搜索后的結(jié)果重排序，使用戶對搜索結(jié)果更加滿意?！　?.2Nutch技術(shù)　　Nutch[4]是一個開源搜索引擎，主要通過Java來實現(xiàn)，其結(jié)構(gòu)主要由爬蟲、索引和搜索三個模塊組成。Nutch旨在讓使用者能夠快速簡便地配置高質(zhì)量的Web搜索引擎。爬蟲模塊[5]用于為從網(wǎng)絡(luò)中抓取的網(wǎng)頁建立索引，索引模塊是其余兩個模塊的接口，而搜索模塊主要利用用戶查詢的

6、關(guān)鍵詞得到搜索結(jié)果?！　?.3Solr技術(shù)　　Solr[6]是基于Lucene的共性能的全文搜索服務(wù)器，主要通過Java來實現(xiàn)。它利用Lucene的可擴展功能，形成一個單獨的高質(zhì)量的企業(yè)級搜素服務(wù)器。其可以通過豐富的查詢語言實現(xiàn)系統(tǒng)的可擴展性。另外，Solr通過優(yōu)化信息查詢功能，使用戶對Web應(yīng)用程序的開發(fā)使用更加便捷，其主要具有垂直搜索、緩存高效靈活、搜索結(jié)果高亮顯示、分布式搜索、支持數(shù)據(jù)庫導(dǎo)入、易于操作管理等特點?！　?.4中文分詞技術(shù)11　　由于計算機不能直接識別搜索到的自然語言，所以必須把搜索結(jié)果轉(zhuǎn)換成計算機可理解的格式。在中文文檔中，單位是以單個漢字為基礎(chǔ)，而在自然語言中，詞是最小的

7、、不可分割的數(shù)據(jù)，因而需要把每個語句分解成有意義的詞。所以在處理中文數(shù)據(jù)時，必須解決中文分詞的問題。　　目前，IKAnalyzer中文分詞系統(tǒng)已經(jīng)發(fā)展到為基于Java的通用分詞模塊，同時它獨立于Lucene，并提供了對Lucene的默認優(yōu)化實現(xiàn)[7]。它采用特有的“正向迭代最細粒度切分算法”，具有80萬字/秒的高速處理能力。另外，針對Lucene全文檢索優(yōu)化的查詢分析器IKQueryParser，