个性化信息检索系统中用户兴趣模型的建立_彭耶萍

数据库与信息管理本栏目责任编辑：闻翔军Computer Knowledge and Technology 电脑知识与技术第5卷第20期(2009年7月)个性化信息检索系统中用户兴趣模型的建立
彭耶萍
（吉首大学信息管理与工程学院，湖南张家界427000）
摘要：个性化检索系统通过收集和分析用户信息来学习用户的兴趣和行为，从而实现对用户的个性化的信息推荐服务。

而用户兴趣模型正是用户和兴趣的信息模型，用户兴趣模型直接影响到个性化的信息服务。

关键词：个性化；用户模型；用户行为
中图分类号：TP311文献标识码：A 文章编号：1009-3044(2009)20-5343-02
Personalized Information Retrieval System Model of User Interest
PENG Ye-ping
(Information Management and Engineering College,Jishou University,Zhangjiajie 427000,China)
Abstract:Personalized retrieval system through the collection and analysis of user information to learn the user's interest and behavior in order to achieve the user's personalized information recommendation services.Model and the user is interested in the interest of users and the information model,the user interested in a direct impact on the model of personalized information services.
Key words:personalized;user model;user behavior
在进行信息查询时，不同用户由于受教育水平，查询目的等因素的不同，而希望检索系统提供个性化服务，使得查询结果符合用户的个性化需求。

个性化信息检索系统通过收集和分析用户的信息来学习用户的兴趣和行为，从而实现主动推荐的目的，使得系统具有主动学习的功能。

如：某用户在检索系统中输入“ASP ”，该用户只需与ASP 相关的学术论文，若系统能根据该用户的特定兴趣，在其输入“ASP ”关键词后，只把ASP 领域的有关学术论文返回，把其它的与该用户无关的信息过滤掉。

实现这一服务的关键在于：收集用户访问信息，建立反应用户兴趣的用户兴趣模型，根据用户兴趣模型推荐个性化信息。

1用户兴趣模型的建立
1.1用户行为特征的挖掘模型
给定一个集合，s={e 1,e 2,...e n }，假设对其中的元素总共进行了n 次观察，那么这n 次出现分布到具体的元素上就形成了一个整数序列，c(c 1,c 2,...c n )，0≤c ≤n ，其中。

将c 的元素降序排列，可得到其中c m >0,c m+1=...=c n =0。

在这个过程中，还可能使用到集合S 中元素出现频度分布的递减情况：；集合S 中元素出现频度按降序排列后的前缀几类分布情况：i=1,2,…n ，并且假设样本集合为L ，分组号为M ，查询词在M 中出现的次数为C ，查询为Q 。

通过对样本测试相邻n 项用户查询词的频率的差平方和进行的统计，来测试用户查询词的稳定性。

计算结果显示：每隔1800项之间的查询不是很大，且较稳定。

即用户的查询具有短期的相关性。

1.2通过agent 被动学习方式获取用户兴趣
通过系统对用户查询行为进行记录、统计、数据挖掘而实现的。

系统根据用户兴趣向用户推送从网络上搜集来的信息后，系统对用户在返回的信息集合中进行筛选、浏览等实时监控。

系统通过不断接受用户在Web 浏览时的相关信息，并将信息进行整理、组织，从中分析用户的信息偏好，或者对用户上网的IE 临时文件、个人收藏等进行数据挖掘，找出用户的网页浏览偏好。

但浏览行为提取特征中存在大量的“噪音”，如：某些网页不能给用户提供信息，但是却经常被访问，因为网页中存在大量的超级连接。

因此，为了避免“噪音”的干扰，可以设定一个阈值，如果文档中包含的超级超过这个阈值，就可以被看成是一个参考链接的目录页。

1.3用户兴趣模型的建立
将用户行为抽象为X 由二元组构成，为权重系数，X i,1为用户访问日志记录，主要包含用户的主要行
为特征，从日志文件中提取。

将用户兴趣模型抽象为三元组构成的集合，即：
，其中U ID 为用户编号。

其中，用户词集L 由二元组构成{}，为权重系数，L i,1<T 为用户兴趣词集合，通过信息提取过程获得；词典T={t 1,t 2,...t n }，其中，t 1,t 2,...,t n 为所有词典集合。

由系统通过设定权值阈值，筛选出兴趣词集合，生成用户兴趣模型的值。

再把该值转化为一组向量，向量的值就表示了用户对不同类别或关键词的偏好程度和常用的访问行为。

收稿日期：2009-05-20
作者简介：彭耶萍（1981-），湖南龙山人，讲师，研究方向：数据库挖掘。

ISSN 1009-3044Computer Knowledge and Technology
电脑知识与技术Vol.5,No.20,July 2009,pp.5343-5344E-mail:jslt@ Tel:+86-551-569096356909645343
本栏目责任编辑：闻翔军数据库与信息管理Computer Knowledge and Technology 电脑知识与技术第5卷第20期(2009年7月)（上接第5342页）
与呈现分离，这样做有利于分工合作、减少非技术人员对页面的修改造成的WEB 应用程序错误、提高效率。

Ajax 技术应用提高客户体验性、系统易用性、重用性、运行效率和性能。

基于Ajax 富客户端组件技术比如dojo ，能大大提高了响应速度，降低了传统模式下的等待，实现接近桌面型应用程序的用户体验。

并且考虑了界面输入的验证，如邮件、电话号码、日期的检验，两次输入不一致，非法字符和长度检验等，这有效保证了系统健壮性、一致性。

在系统开发阶段进行单元测试，编写语句覆盖、判定覆盖、条件覆盖等测试用例进行白盒测试，从而有效保证系统性能和可靠性。

开发后期进行集成测试，编写功能接口测试用例，统一测试，运用一些黑盒方法进行测试，有效保证整个系统功能性、稳定性、可靠性。

最后进行确认测试，进行α、β测试，除了考虑软件的功能和性能外，还对软件的可移植性、兼容性、可维护性、错误的恢复功能等进行确认。

有效保证了系统可靠性、准确性、适用性、易用性。

还时常进行回归测试从而保证系统一致性、稳定性、可靠性。

系统开发好部署在Linux 服务器上，Linux 是开源稳定安全操作系统，数据库和WEB 服务器分别放在不同服务器上，对外网隔离了数据库，从而保证系统数据安全性。

还屏蔽了Linux 操作系统的一些不用端口，装上防火墙和杀毒软件。

保证了系统稳定性、可靠性、安全性。

3小结
由于在开发整个周期各方面都进行了有效质量控制和保证，采用汇聚式控制模型管理项目，在人员、时间、项目分析设计、数据库设计、技术架构设计、界面设计、文档、编程、测试、部署环境等方面都注意了质量治理，系统完成后质量得到了保证，系统在功能性、可靠性、易用性、效率、可维护性、可移植性都达到了较优良的特性，得到用户的满意评价。

参考文献：
[1]张友生.系统分析师技术指南[M].北京:清华大学出版社,2007.
[2]机电之家.如何对软件质量进行评估[EB/OL].(2007-06)./articles/show_article_content.asp?articleID=11389
&pageNO=3.
[3]韩亚利.关于信息化系统开发质量的分析和研究[J].机械研究与应用,2008(10).
2兴趣库的建立
用户的兴趣模型形成个人兴趣库，在用户兴趣库上通过建立学习层，对
多个用户的兴趣库进行分析和学习，从而具有相同或相似兴趣的用户形成
共有的兴趣库。

将置共同的兴趣集UC 为空；查看每个用户兴趣集合中的Li
和Xi ，比较其不在则加入；按词频法的原则统计和比较每个用户中的Li 的
关键词集合，设定新的权重表和阈值，筛选出新的关键词表。

将权值大小按
降序排列，设定一定的区值，从而分类得到共同兴趣集合。

3结束语
用户兴趣模型的建立是实现个性化信息检索系统的基础，可以帮助用
户更精确的找到所需的信息，降低返回信息的冗余度。

如何更好的表示用户
兴趣模型并进行应用对个性化信息检索系统很有价值。

参考文献：
[1]
李业丽.基于示例的用户信息需求模型的获取和表示[J].计算机工程与应用,2000(9):11-13.[2]
周雪忠,吴朝晖.知识发现:基于信息提取的文本挖掘[J].计算机科学,2003:30(1):63-66.[3]
许欢庆,王永成.基于加权概念网络的用户兴趣建模[J].上海交通大学学报,2004(1):34-38.[4]
杨涛等.主动设计知识服务系统中用户建模研究[J].系统仿真学报,2003(2).[5]林鸿飞.用户兴趣模型的表示和更新机制[J].计算机研究与发展,2002,39(7).图1建立共有兴趣库
5344。