（计算机应用技术专业论文）基于本体的个性化信息搜索的用户模型研究.pdf

中文摘要基于本体的个性化信息搜索的用户模型研究计算机应用技术专业硕士研究生关庆珍指导老师周竹荣副教授中文摘要随着i n t e r n e t 技术的发展，人类已经步入信息时代。目前网上资源以指数速度增长，其信息量无论是数量上还是种类上都是人们所难以想象的。同时人们的信息需求也在不断地增加，但要从这个信息海洋中准确方便迅速地找剐并获得自己所需的信息，却院较困难，闵而出现了所谓的“信息过载”和“信慰迷囱”阕题。通辩l 的搜索引擎劳不能考虑鲻各个用户的个性化冈素。因此，如何了鳃用户意图，掌握用户的个性化信息，提供个性化服务成了信息检索领域中许多学者的研究热点。在个性化信息服务中，用户模型是个性化服务研究的关键技术。个性化信息服务首先需要建立用户模型，才能提供针对不同稍户的个性化服务。传统的硝户模型主要是根据剁户的信息需求，把照户霈求信息大体分为感兴趣舞l 不感兴趣的，最终褥到的大都是关键词来表征用户兴趣，没有考虑词与词之间内在的联系，不能从语义上对信息进行理解，没有信息源本身的知识体系为构造用户的兴趣模型服务。我霄j 认为，个性化信息服务蕊用户模型研究在准确攒述用户兴趣模型躲网时，也能有语义联想能力，能根据显式的信息语义挖捌出州户的潜在兴趣。本体( o n t o l o g y ) 作为一种能住语义和知识层次上描述系统的概念建模r ：具，自被提出以来就引起了国内外研究人员的关注。研究结采表明，0 n t o l o g y 作为领域概念化模裂，o 麓够明确地描述领域涉及的概念、概念麴含义、概念之闻的关系，为麓单的术语赋予明确的背绶知识，利于知识的共享和重用，并具有语义扩展和推理功能。将本体引入到用户模型领域，增强关键词向量中关键词之间的相关性，基于o n t o l o g y 建立用户的个性化模型，已成为个性化信息系统用户建模的个新的方向。已有的基于本体的用户摸型改善了传统用户摸型的语义信息不足的缺陷，但也存在些问题：( 1 ) 领域本体的构建。如何构建领域本体，这是基丁i 本体的用户模型的基础，传统完全依赖用户或领域专家入上构建本体的方法容易出现偏差及主观主义和经验主义的缺陷；( 2 ) 用户模型的更新。现有的模型火都采用分析胡户麓测览或检索过释，接墩认为耀户感兴趣的关键词对其分橱，对初始耀户模型进行增补，而没有考虑这些新增信息之间的语义关系。本文提出研究改进的基丁领域本体的h j 户模型o b u m ，在引入本体到用户模型中，同时考虑用文本挖掘技术建立领域本体，并通过本体学习采完成用户模型静学习和更新。本文的研究工作主要l两南人学硕十学位论文包括了这样儿个方面：第一，分析研究了传统用户模型和现有本体模型的特点，提出了一种新的基于本体的用户模型o b u m ，设计并分析了其框架结构，对其进行了形式化研究。第_ 二，分别对o b u m 模犁的各个构成及构建阶段进行了研究。包括：研究了如何有效地构建领域本体，提出采用文本挖掘技术，再借助于领域专家，实现领域本体d o m o 的半自动构建。使用文本挖掘工具和本体构建1 j 具实现了领域本体d o m o 的构建。对于o b u m 模犁中的个性化本体的获取进行了研究，提出通过对领域本体进行本体投影来获取用户的初始个性化本体，并给出了其算法描述。针对o b u m 用户模型的学习更新，提出使片j 本体学习技术来实现。通过对用户的检索或浏览过程进行分析，构建参考本体，并将参考本体归并到用户的个性化本体中，实现用户个性化本体的学习，旨在避免削户学习更新过程中新增信息语义的丢失。第三，在上述t 作基础上，将o b u m 模型应用到个性化信息搜索环境中，旨在通过实验验证o b u m 模型的可行及有效性。实验结果表明o b u m 模型在提高用户的个性化信息，改善用户模型的语义信息方面是一种有效、可行的方法。在提高用户的个性化信息搜索的查全率和查准率方面较基丁：统计的信息检索模型和一般的基于本体的信息检索模型有了一定的改进。关键词：用户模型本体文本挖掘本体学习个性化搜索a b s t r a c tr e s e a r c ho no n t 0 1 0 9 y _ b a s e du s e rm o d e lf o rp e r s o n a l i z e dse a r c hm a jo r ：c o m p u t e ra p p l i c a t i o nd i r e c t i o n ：m u l t i m e d i a r e c h n o l o g ya n da p p l i c a t i o ns u p e r v i s o r ：a s s o c i a t ep r o f z h o uz h u r o n ga u t h o r ：g u a nq i n g z h e n ( s 2 0 0 5l2 9 4 )a b s t r a c tp e o p l eh a v es t e p p e di n t oi n f o n n a t i o na g ew i t ht h ed e v e l o p m e n to fi n t e m e t a tp r e s e n tt h eo n - l i n er e s o u r c e sg r o wb yt h ei n d e xs p e e d ，a n dt h ei n f o r m a t i o nb o t hi nt h eq u a n t i t ya n di nt h et ) ，p ea r eu n i m a g i n a b l e s i m u l t a n e o u s l yp e o p l e sn e e df o ri n f b 肿a t i o ni sa l s oi n c r e a s i n g ，a n di ti sd j 伍c u l tf o rp e o p i et oo b t a i nw h a tt h e yn e e df r o mt h ei n f o m l a t i o ns e ai na na c c u r a t e ，q u i c ka n dc o n v e n i e n tw a y a sar e s u l t ，t h ep r o b l e ms o - c a l l e d “i n f o r m a t i o no v e r l o a d ”a n d “i n f o r m a t i o nc o n f u s e a p p e a r s t h eg e n e r a ls e a r c he n g i n ec a n n o tc o n s i d e rt h ep e r s o n a if a c t o r sf o re v e 叮i n d i v i d u a l s oh o wt ol e a ma b o u tt h eu s e ri n t e n t i o n ，o b t a i nt h ep e r s o n a l z e di n f b m a t i o na n dp r o v i d ep e r s o n a i i z e ds e r v i c ef o rt h eu s e r h a v eb e c o m eh o tp o i n t si nt h ei n f o r n l a t i o nr e t r i e v a lf i e l du s e rm o d e l i sak e yi s s u ef o rt h er e s e a r c ho np e r s o n a l i z e di n f o 咖a t i o ns e r v i c e a n db e f o r ew ep r o v i d ep e r s o n a l i z e ds e r v i c e sf o rd i f f e r e n tu s e r s ，w em u s tc o n s t r u c tu s e rm o d e l sf o rt h e m m o s tt r a d i t i o n a lu s e rm o d e l sr o u g h l yd i v i d et h eu s e r sd e m a n di n t o “i n t e r e s t e d a n d n o ti n t e r e s t e d ”a c c o r d i n gt ot h eu s e r si n f o m a t i o nn e e d s ，a n dn n a i l y t h e yu s et h ek e y w o r d st od e s c r i b et h eu s e r si n t e r e s t h o w e v e r ，t h et 豫d i t i o n a lm e t h o d sh a v en o tc o n s i d e r e dt h ei n t “n s i cr e l a t i o n sa m o n gw o r d s ，a n dc a nn o tu n d e r s t a n dt h ei n f o m l a t i o ns e m a n t i c a ll ya n ds e r v ef o rt h ec o n s t r u c t i o no fu s e ri n t e r e s tm o d e lw i t ht h ek n o w l e d g es y s t e mo ft h ei n f o r m a t i o ns o u r c e s i ti st h o u g h tt h a t ，p e r s o n a l i z e du s e rm o d e ls h o u l dh a v es e m a n t i ca s s o c j a t i o n sb e s j d e st h ea c c u r a t ed e s c r i p t i o na b i l i t y ；a n di tc o u l de x c a v a t et h eu s e rt h el a t e n ti n t e r e s tf r o mt h ee x p l i c i ti n f 0 册a t i o ns e m a n t i c s a sac o n c e p tm o d e l i n gt o o lw h i c hc a nd e s c r i b et h es y s t e mi nt h es e m a n t i c sa n dk n o w l e d g el e v e l ，0 n t o l o g yh a sa r o u s e dt h ed o m e s t i ca n df o r e i g nr e s e a r c h e r si n t e r e s ts i n c ei tw a sp r o p o s e d b e i n gac o n c e p tm o d e lo fd o m a i n ，t h er e s e a r c hi n d i c a t e st h a to n t o l o g yc a ne x p l i c i t l yd e s c r i b ec o n c e p t s ，c o n c e p tm e a n i n g sa n dr e l a t i o n sb e t w e e nt h ec o n c e p t s ，a n de n d o ww i t ht h ee x p i i c i tb a c k g r o u n dk n o w l e d g ef o rt h es i m p l ei i i两南人学硕十学位论文t e r m i n 0 1 0 9 y t h e r e f o r ei tn o to n l yj so fb e n e n tt ok n o w l e d g es h a r i n ga n dr e u s e ，b u ta i s oi su s e f u lf o rt h es e m a n t i ce x p a n s i o na n dr e a s o n i n g i tw i l le n h a n c et h er e l e v a n c eo f t h ek e y w o r d si nt h ek e y w o r d sv e c t o r ，i fo n t o l o g yi si n t r o d u c e di n t ot h eu s e rm o d e l 行e i d c o n s t r u c t i n gu s e rm o d e lb a s e do n t o l o g yh a sb e e nan e wd i r e c t i o no ft h eu s e rm o d e l i n gf o rt h ep e r s o n a l i z e di n f o r r t l a t i o ns e r v i c es y s t e m t h e r ea r es o m eu s e rm o d e l sw h i c ha r eb a s e do no n t o l o g y a n dt h e yh a v ei m p r o v e dt h ei n s u 历c i e n ts e m a n t i c sf l a wo ft r a d i t i o n a lu s e rm o d e l s ，b u tt h e r ea l s oa r es o m ep r o b l e m s ：( 1 ) t h ep r o b l e mo fd e v e l o p i n gd o m a i no n t o l o g y h o wt od e v e l o pd o m a i no n t o l o g yi st h ef o u n d a t i o no fu s e rm o d e lb a s e do n t o l o g y w i t ht h et r a d i t i o n a lm e t h o dd o m a i no n t o l o g yi sa l w a y sd e v e i o p e dm a n u a l l ya n dt o t a l l yf e l i e do nu s e r sa n dd o m a i ne x p e r t s a sar e s u l t ，i te a s i l yp r o d u c e ss o m ef l a w ss u c ha sd e v i a t i o n ，s u b j e c t i v i s ma n dt h ee m p ir i c i s m ( 2 ) t h ep r o b l e mo fu p d a t i n gu s e rm o d e l t h ee x i s t i n gu s e rm o d e lm o s t l yt r a c k st h eb r o w s i n go rr e t r i e v a lp r o c e s s ，e x t r a c t sa n da n a i y s e st h ek e y w o r d sw h i c ha r et h o u 曲to fu s e r si n t e r e s t ，t h e nt a k e st h e s ew o r d si n t ot h ei n i t i a lu s e rm o d e lf o rs u p p l e m e n t s ，w h i l em i s s i n gc o n s i d e r i n gt h es e m a n t i c so ft h en e wi n c r e a s e s t h ea r t i c l ep r o p o s e san e wi m p r o v e du s e rm o d e l - o b u mb a s e do nd o m a i no n t o l o g y w h 订ei n t r o d u c i n go n t o l o g yi n t ou s e rm o d e l ，i ti sc o n s i d e r e dt oc o n s t r u c td o m a i no n t o l o g yb yt e x tm i n i n ga n du p d a t eo b u mb yo n t o l o g yl e a m i n g t h er e s e a r c hw o r ko ft h i sa n i c l eh a sm a i n l yi n c l u d e ds u c hs e v e r a la s p e c t s ：f i r s t ，t h ea n i c l es t u d i e sa n da n a l y s e st h ec h a r a c t e r i s t i c so ft r a d i t i o n a lu s e rm o d e l ，a n dp r o p o s e san e wu s e rm o d e l o b u mb a s e do nd o m a i no n t o l o g y t h e nw ea n a l y z ea n dd e s i g nt h ea n i c h e t u r e ，a j l dm a k ef o m l a l i z a t i o nf o ro b u m s e c o n d ，t h ea r t i c l er e s e a r c h e so nt h es t a g eo fc o n s t r u c t i n gt h eo b u mm o d e ia sw e l ia se v e r yp a r t so fo b u m i n c l u d i n g ：龟) h o wt oc o n s t r u c to n t o l o g ye f 诧c t i v e l yi ss t u d i e d i ti sp r o p o s e dt oc o n s t r u c td o m a i no n t o l o g yd o m 0s e m i a u t o m a t i c a l l yb yt e x tm i n i n gw i t ht h eh e l po fd o m a i ne x p e r t s t h ec o n s t r u c t i o no fd o m oi si m p l e m e n t e dw i t ht h et o o l so ft e x tm i n i n ga n do n t 0 1 0 9 yc o n s t r u c t i n g h o wt oo b t a i nt h ep e r s o n a lo n t o l o g yo ft h eo b u mm o d e li ss t u d i e d i ti sp r o p o s e dt oo b t a i nt h ei n i t i a lp e r s o n a lo n t o l o g yb yo n t o l o g yp r 0 0 e c t i n go nd o m a i no n t o l o g ya n di t sa l g o r i t h md e s c r i p t i o ni sl i s t e d i nv i e wo fu s e rm o d e lo b u mu p d a t i n g ，i ti sp r o p o s e dt oi m p l e m e n ti tb yo n t o l o g yl e a r n i n g w ec o n s t r u c tr e f e r e n c eo n t 0 1 0 9 yb ya n a l y z i n gt h eb r o w s i n go rr e t r i e v a lp r o c e s s ，a n dt h e nm e r g ei ti n t op e r s o n a io n t 0 1 0 9 yt oc o m p l e t et h ep e r s o n a lo n t o l o g yl e a m i n g ，w h i c ha v o i d st h es e m a n t i c sl o s so ft h en e wi n c r e a s e si nt h ep r o c e s so fu s e rm o d e lu p d a t i n g i nt h ee n d ，w ea p p l yt h eo b u mm o d e l t ot h ep e r s o n a “z e di n f o r m a t i o ns e a r c hs y s t e mb a s e do na b o v ew o r k ，i no r d e rt op r o v et h ef e a s i b i l i t ya n dv a l i d i t yo fo b u m t h ee x p e r i m e n tr e s u i ti n d i c a t e st h a to b u mm o d e li sa ne f 佗c t i v ea n df e a l s i b l em e t h o di ne n h a n c i n gu s e rp e r s o n a li n f o r m a t i o na n di m p r o v i n gt h es e m a n t i c s ，a n dt h er e c a l la n dp r e c i s i o nr a t i oa r ei m p r o v e dc o m p a r e dw i t ht r a d i t i o n a lu s e rm o d e lb a l s e dab s t r a e ts t a t i s t c sa n de x i s t i n gg e n e r a lu s e rm o d e lb a s o ( 1o no n t o l o 拶i nt h ei n f o r m a t i o nf e t 聂e v a ls y s t e m k 州o r d s ：u s e rm o d e i ，o n t o l o 斟，t e x tm i n i n g ，o n t o i o 斟l e a r n i n g ，p e r s o n a l i z e ds e a r c hv独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得西南大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者：暮证夥签字日期：挪年斗月冲日学位论文版权使用授权书本学位论文作者完全了解西南大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权西南大学研究生院可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书，本论文：团不保密，口保密期限至年月止) 。学位论文作者签名：篆再眵导师签名：同q 卑签字日期：加p 8 年毕月签字日期：仞年月哆日日第1 章绪论第1 章绪论 。 论文研究背景w w w 自出现以来便获德了飞速发展。目蓠网上资源以指数速度增长，其信息量无论是数量上还是种类上都是人们所雄以想象的。截至到2 0 0 2 年3 月，世界上最大的搜索引擎的数据库中大约有9 6 80 0 00 0 0 篇索引文档【l 】，这么庞大的信息源给用户快速找到自己需要的信息带来了很大的困难。在传统的信息服务模式一f ，系统对所有的用户都是一蜒面孔，针对不同用户的同一请求，产生的结果是一样的，毫无个性而言。为了找到真正感兴趣的信息，用户要耗费人量的时间和精力，而且系统是有求则应，无求不动，信息是被动的为硝户服务的。如何扶海量麓数据搴| l 信息中离敏缝获取有用信息，如何扶迅速激增的信息中及时获取最耨的信息，如何满足各种不同用户的不同信息需求，这些都是颏的信息服务系统所需要解决的问题。一般来说，用户耍找到自己需要的信息有两种方式【2 】：搜索和浏览。这里所说的搜索指的是通过搜索引擎搜索，舀前常用的搜索弓l 擎有g o o g l e ( 塾鲤；邋塑甄篷垒垒蕊壁：坌垒娄) 和西度( 廷鲤；丝燮燮型：垫垂盘鼙：嫂园和天网( 避垒丛：区婪篷壁垒：坌致) 等。搜索弓| 擎满足了入 | 一定熬信息需求，但目前火多数的搜索系统采用关键字输入方式进行检索，对所有的用户都是千篇一律的界面、梭索方式和检索结果，用户无法准确地表述自已对特定领域和信息的兴趣和需求，即使楚使用了先进的搜索技术，也不麓在一个相对较短的硼表中向矧户提供精确的信急。面不同确户壶于萁背景知识不同，兴趣爱好不尉，信息需要不同，他们访闽的往往都只是w e b 上某一个特定的资源子集，是关丁某特定领域的。因此通用的信息搜索需骤与特定领域信息处理技术相结合。实际上人多数情况下通用搜索引擎检索结果中的文档对粥户而言，有、 主以上是不相关的。其中一个主要的原因就是：同一个关键溺对不同的入，在不同的领域，不同的时闼纛l 地点都可麓表达不同昀意思，因此一个关键调是不能确切地反映一个用户对特定领域内信息的特定需求的。而搜索引擎只依赖其单方面的判断，没有考虑片j 户方的信息，加上网上信息的激增，导致了很多“垃圾结果”的产生，用户不得不在浏览结果中进行二次过滤，这大人加重了阁户的负糖。另一种寻找翁息的方法一浏赞也有其自身的阍题。浏览指的是用户把要查找的信息按照自己的分类标准归入某一类，然后在一个概念树浏览层：! ! 欠中逐层点击，点到找到需要的信息为止。用户需要的信息在叶子结点，由丁系统采用的分类标准和用户自己的分类标准存在定程度的差异性，这就导致这样个闷题：如果确户在点击避群中选择了条错误於路径，焉这释错误要到树的爱+ 子结点才能披用户发现，这样剧户就不得不同退到上一层戏儿艨甚至擞一l 了点重新选择浏览路径，直到选择了正确的路径为止。履然，这样做对用户来讲是很费时的。大量“信息垃圾”产生的根本源丙在于，系统没有站在用户的角度来考虑。信息服务发展的趋势将是个性化主动信患服务，如俺从海鼙数据和信息中焘效地获取有蜊知识，如何提高信息检索与两南人学硕十学位论文推送的智能水平，以及如何满足齐种川户不同的个，陀化需求等，都是新的信息服务系统嘣临的挑战。个性化主动服务将是木来信息服务的主流模式，它实现的是“信息找入，按需服务”。其基础之一就是建立真正反姨鲞滔户靛信息需求和兴趣爱好靛个性纯耀户模型。1 。2 国内外相关领域的研究现状1 2 1 个性化信息搜索系统的研究现状随着i n t e m e t 和w e b 的广泛应用，以及用户个性化信息需求的需要，在信息搜索的基础上，基于用户模型和w c b 数据挖掘的信息过滤技术迅速发展，已经出现很多试验性或商业性的个性化信息驻务系统。个性化服务通常作为这些信息搜索系统豹重要功能霹嵌入奎l 信怠搜索系统之中。其中典型的系统有：( 1 ) i f w e b 【3 】。i f w e b 是由u d i n e 大学的f a b i o a 等开发的，运行于客户端的基于用户模烈的a g e n t 系统。它有两种工作模式：一种是导航模式，按照w e b 页面上的链接，系统自动搜索相关页瑟并分类，将结果以导兢栏舱方式提供给耀户。一种是文栏检索过滤模式，系统凝据潮户输入的关键字去检索文档，然后利用用户模型进行过滤，将符合要求的文档提交给用户。在i f w e b 中，用户的p r o f j l e 以加权语义网络的形式存储在客户端，利用语义网络对概念( 语义)释概念之阏的各种关系进行描述。网络中的 点表示一个溺义，两个：拶点闻的连接弧表示在文档审这两个语义共同浅现。通过语义网络，表达出了埘户想要获取哪种信息。l f w e b 由i n t e r f a e e a 辨n c y 、l f w e b a g e n c y 和i f r o o l a g e n c y 二大模块组成，其中i n t e r f a c e a g e n c y 用于获取用户相关反馈，i f w e b a g e n c y 主要用了完成w w w 页面搜索，i f r o o j a g e n c y 负责用户建模和信息过滤。l f w e b 支持用户的隐式反馈，可以搜集j | 露户瓣当前测览贾露的操俸信息，获取掰户酶兴趣所在，逐渐形成用户的个性化用户模型。l f w e b 中不仅记录了崩户对哪些感兴趣，同时也记录了用户对哪些不感兴趣，因此也就更加全面的描述了用户的兴趣偏好。而且i f w e b 中融入了一种“兴趣随时问衰减”的机制，给篇户解兴趣加上了一个时间丙子，即遗：意因子，隧着时间的推移，用户原有的兴趣对当前兴趣的影响越来越小。信息煦评价黎l 过滤中采耀了n 泌魅( n o n p a f a 搬e t r i ed i s a g g 强辩l o n 攥d e l ，墨 参数解集模型) 的比较方式。( 2 ) s i t e s e e r 【4 】。s i t e s e e r 中用户p r o f i i e 的形成来自两个方面的信息：一是从用户的书签文件 o o k m 甜k 蠡i e s ) 中_ 抽啜关键字形成的。磺户的书签文件，类似于l 嚣中的收藏夹，可以有多个舀录结构，每个目录结构一f 有多个u r l ，u r l 指向用户感兴趣魄文档。二是其他用户的p r o f l l e 文件。s i t e s e e r 通过对用户p r o f i l e 中的u r l 所指向的文档进行比较，以此来判别两个用户的兴趣是否一致，从而获取用户的可能兴趣。s i l e s e e f 采用合作式过滤，系统需要存储人量用户的p 羚曩l e ，s i l e s e e f 中所有p 约蠡l e 文律是集中存储在一个服务器中的，其过滤算法也是住服务器端实现的。( 3 ) p r o f u s i o np e r s o n a la s s i s t a n t 和p r o f u s i o n 【5 。p r o f u s i o np e r s o n a la s s i s t a n t 是一个信息过滤工具，用户和元搜索弓| 擎( m e t as e a r c he n g i n e ) p r o f u s 沁n 相配合。蓄先，用户需要登陆p f u s i o n2第l 章绪论网站，提交态海请求。系统l 动分析j | j 户提交的请求，识崩主题，将阁户的请求翻泽解释后撬交给多个搜索引擎，然后对这些弓| 擎返隧的u 怒进行重新检索和合并，去掉重复的，并创建一个按文档相关性排序的列表( r e l e v a n c e r a n k e dl i s t ) ，过滤后的u r l 按相关性大小警现给用户。用户的p r o f i l e 被分为感兴趣的和厌烦的两类。对于已标记的每一个文档，均赋以两个分值描述该文档和这嚣个类麓关系。对于待划定文档，按照囱燕空闰模型昭余弦法则，比较它与捆关集合翱不相关集合的相似度来判定用户对这篇文章是感兴趣还是厌烦。p r o f u s i o np e r s o n a la s s i s t a n t 采用显式反馈( 喜欢厌烦) 获取用户判定，把文档加入剑相应的类别中，然后更新这个类别的特征向量。p r o 如s i o n 也采用合作式信息过滤，硐户的p r o f l l e 存储，服务器端。用户在检索开始时，可以选择一个已经存在的用户兴趣缎，也可以创建一个兴趣组。一个组里瑟可以有多个兴趣点，允诲对好几个方面的内容感兴趣。( 4 ) 德国的a l e x a n d e rp r e t s c h n e r 和美国的s u s a ng a u c h 起研究基于o n t o l o g y ( 作为概念层次)的个性化搜索【6 】。用户的个性化模耀( 翊户概貔) 建立为攀个用户在慨b 上测黧历史的函数，是一个幽大约4 3 0 0 个节点( 使髑向量空问模型) 组成的加权概念层次，劂户概貌( u s e rp r o f i l e ) 根据用户在某一页面上停留的时间和页面的长度进行修正。该系统目标是通过搜索结果与用户概貌的匹配来重排序和过滤搜索结果，从而提高搜索系统的性能。国内也也寿一些提供个性化羧务的信息搜索系统。懿清华大学电予：程系张俐棼开发鹩“网终指南针”，针对中文字词的特点，在向量模型的基础上，认为每个关键词都是一个最简单的分类器，而每个词对分类的作用越不一样的，闪此赋以不问的权重，分类的结果烂对各个关键字的判断的综含。如曲建华等采用增强学习和隐式反馈采调整淄户p r o f l l e ，从而更新瑙户模颦。程静等采用a g e n t 对娥b 信息进行过滤，将溉bu s a g e 麓聪嘴和w 曲c o n 据n m i n i 甥结合起来，在服务器端对用户网志文件进行分析，构建蒯户模型，实现信息的有选择服务。再如傅忠谦等利用向缀模型，根据用户提供的示例文本，刖k o h o n e n 神经网络进行聚类分析，找到用户的兴趣中心，用k o h o n e n聚类的结粟调练瑟p 网络，荠利翊转p 网络信惠进行过滤。清华大学爨动化系的卢增祥等，在滞户信息获取方匿，通过扩展浏览器上的b o o k m a r k 功能，跟踪用户信息需求，并直接利用用户评价文档来表达用户需求：在匹配算法方面，提出最人间距进行r a n k i n g 的算法和利用b o o k m a r k 服务进行网络信息过滤。中国科久汗晓岩等采用分布式a g e n t 技术、相关反馈学习算法和基r 多用户个性化模式酶层次智能滤波算法，弗采溻多模块之间在线交互视制藜1 个性化检索与集中浏览楱结合的检索方式等方法，有效地解决了现有系统在交互方式、臼适应删户兴趣和信息源的变化、高效并行检索等方丽的不足，建立了面向i n t e m e t 的个性化智能检索系统【7 ，8 ，9 】。南京人学多媒体技术研究所历经= 年努力，推出了种个性化信息搜索引擎d o h r l a g e n t f l o ，l l 】将主体( a g e n t ) 技术应角予网络信息搜索，使其具有学溺功熊，能够在信息交互中获得塌户的信息，包括嬲户熬兴趣、爱好翻思维方式，在此前提下，系统可以主动、定期地为用户查找信息。1 2 2 个性化用户模型的研究现状3硝南人学硕卜学位论文在个性化服务研究的甲期，刖户建模技术并没有得剑戍仃的重视。人蚓：的研究集中在实现个性化服务的具体技术上，如推荐技术、信息检索技术、用户聚类技术等，用户建模技术只是这壁研究中几笔带过鲍嚷衬。然恧随着个性诧服务的发展零l 研究的深入，研究翥逐漱意识捌，个性化服务质量的高低不仅仅取决于具体的推荐技术、检索技术等，还取决丁用户兴趣和偏好等特点的可计算描述，而后者尤其蓬要。用户建模技术逐渐成为个性化服务研究的重要内容。近年来，有关用户建模技术鑫鼋研究开始从具体的个性化服务形式研究中脱离出来，成为个性纯服务中的蒸础技术研究。f 豫g o u d i s 和毛i k o t h a n a s s i s 【1 3 】对，l 个典掣的个性化服务系统乙l 姒【1 4 】、l e t i z i a 1 5 】等采用的用户建模方法进行了综述和分卡斤，指山片j 户建模在个性化服务系统中的重要地位。p a z z a n i 和b i i l s u s 【1 6 】通过用户对浏览页面的标波获取用户感兴趣童0 不感兴趣的页面作为训练样本，焉后计算单字 | 冬期望信息增蘸，选择期望信息增益( e x p e c t e dl n 稻黼蠢i o ng a l n ) 大黪1 2 8 个擎字构成用户模型。c h a n 1 7 】通过观察用户对页厩中超链接的选择获取州户感兴趣与不感兴趣的页面作为训练样本，而后计算单字间的期望互信息( e x p e c t e dm u t u a l i n f o r n l a t i o n ) ，选择期望且信息大的2 5 0 个荜字构成用户模犁。s c h w a b 等【 8 2 0 】通过观察瑚户对页面的选择获取埔户感兴趣的页丽作为训练样本，丽后以出现在感兴趣页面中指定位置熬攀字构成羽户模型。a 两m a v i e l 毽s 和两z h 缀毪【2 l 】采刚数据挖掘方法对j ：l j 户个体的访问记录进行挖掘，挖掘出来的关联规则以及用户登记的个人信息构成用户模型。国内的研究者对用户建模也展开了研究。林鸿 5 l 和杨元生【2 2 根据用户提供的各类示例文档，通过考察特征、段落和类别的表达能力构建阁户模爱。早期的用户模型硪究主要是基丁统计学的，大郝采蹦主题或关键字向量等来表示尉户模型，通过对用户访问历史、浏览记录和相关反馈的概率分析，获取用户的兴趣需要。这种方法有严密的数学基础，可计算性疆。然而由于各个关键字之间都是孤立的，冈此语义表达不足。而随着语义网( s o 黻褫l i e 溉b ) 帮本体( o n o l o 窑y ) 觞发袋，建户模裂开始国语义表达方| 每发矮，出现了一些基于本体的用户模型。基于本体的川户模型将川户兴趣从基予_ 关键词的层面提升到了基丁知识的层面，把关键词通过语义联系了起来，对用户兴趣的描述更深入，更为i 贴近用户的真实情形。闼内外都有一些糯关的研究，如s m 撕p u s h 系统，0 b l w a n 项西等，文献【2 3 】使滔一个本体来表示用户模型，将羽户信息嵌入在u s e r o n t o l o g y 中，对本体中豹每个概念誉l 关系都赋以了一个权重，用于表达用户的兴趣信息。国内国防科技人学的徐振j 。和李勇提出了基于领域本体的朋户模型【2 4 ，2 5 】，构建了一个包括个性化领域本体的， j 户模型，并在领域本体的基础上，跟踪记录h j 户在w w w 上的浏览释检索过程，记荥_ ； j 产的诱阀溉史和检索请求，从记录酶大量数据中统计、分析和计算得出磁户酶个性化领域本体和信息需求。总的来说，作为个性化服务的基础和核心技术，用户建模技术仍旧是一个研究热点，而随着语义网的发展，本体作为领域概念化模型，利于知识的共享和重j 3 ，并具有语义扩展和推理功能，已逐濒得到广泛应耀。剧本体来摧述翔户兴趣，基予本体的用户模型更好逢满足了语义鸵描述，将是目前用户模型发展的趋熬。1 3 论文研究的内容及其所做的工作4第l 章绪论针对传统j | j 户校聚语义信息的不足，我们认为鏊了本体的阁户模型能歪蠢f 地表达j 鹜户麓个性纯信息。本体( o n 幻l o 彰) 作为领域概念化摸型，能够明确地描述领域涉及的概念、概念煞含义、概念之间的关系，为简单的术语赋予明确的背景知识，利丁知识的共享和重用，并具有语义扩展和推理功能。同时，由于用户对信息的需求通常是侧重某特定一领域的，为此，我们提出了一种新的基予领域本体的用户模型0 8 u m ( o n t o l o g y 一瑟a s e du s e r 黼o d e l ) 。我嚣】在文献【2 4 ，2 5 】瓣基础土，提出用文本挖掘方法构建领域本体，以领域本体为基础，通过本体投影，来获取朋户的个性化本体作为用户的个性化模型的主要部分。同时我们根据用户的浏览域检索行为使用本体学习技术对用户模型进行学习、扩充和完善，以提高系统对崩户的适应程度。最后将我们的o b u m 模狴用予个性化搜索孛，以提高信息搜索豹性能。具体来讲，论文主要做了以卜几个方面的研究【作：( 1 ) 针对以往的基于关键字向鬃空间模型的不足和现有基于本体用户模型的缺陷，在现有的基于本体溺户模蘩的基础之上，提出了种新的基于本体的用户模型0 b u m ，并给出了其结构和形式他撼述；( 2 ) 针对现有本体构建存在的困难和缺陷，分析研究了文本挖掘相关理论和技术，提出了使用文本挖掘方法构建领域本体，并给出了相应的具体步骤。( 3 ) 在构建领域本体麓鏊础之上，提出使阕“本体投影”来获取用户的个性化本体p e 羚。臻蠢o ，并给出了相应的投影算法。( 4 ) 研究了本体学习理论及技术，提吣使用本体学习技术对用户模型进行学习疆新。具体包括，通过用户的检索或测览圈志文件筛选分析，构建参考本体r e 妁，使用本体精并将参考本体r e 妁归并剑臻户麓个性纯本体p e 辐。珏a l o 中。( 5 ) 研究利爿；j 本体推理技术对用户模型进行知识推理和语义扩展，通过模拟实验，将o b u m 模型应用到个性化搜索中，验证o b u m 模型的可行及有效性。1 4 论文的意义与创新i n t e m e t 的发展及语义网的出现，使得人们对信息搜索的个性亿需求也霞益增加，传统的基予关键字的用户模型毫不能锻耋 地满足崩户兴趣模型的语义要求。本钵作为领域概念化模型，具有良好的语义表达能力。将本体鹿j 3 到，h ；j 户模型领域，能够为用户模型提供丰富的背景知识，利于知识共享和语义扩展，改