基于向量空间模型的用户兴趣模型研究

基于向量空间模型的用户兴趣模型研究

在数字图书馆的研究和建设中，人们通常关注各种数字技术、资源建设和网络化的问题，没有充分重视用户对兴趣的研究和分析，导致图书馆信息组织、服务和用户对兴趣和需求之间的不协调。图书馆作为传统的信息集散地和数字化信息发展的前沿,就是要利用先进的技术为更多的用户提供更好的服务,理应根据用户的学科背景、阅读习惯、性格偏好等为用户提供个性化的信息服务,而个性化信息服务的基础是用户兴趣模型的建立。用户兴趣模型(UserInterestProfile)是指对用户感兴趣的信息的可计算描述。它用于捕捉并记录用户的需求兴趣点,通过建立模型来记录、管理用户的兴趣,描述用户可能的潜在的兴趣需求,并记录下用户行为的历史。用户兴趣建模的主要目的就是要推断用户在某种环境下的意图,并且对其提供主动帮助。只有建立用户兴趣模型,系统才能根据用户的兴趣主动推送信息和对查询结果分类,从而使用户能够快速、准确地从庞杂的信息资源中寻找到所需信息,真正实现图书馆的个性化服务。由于每个用户心中都有自己的兴趣和要求,用户兴趣模型的主要任务是要识别出用户的目标,并在此基础上决定计算机应该做出什么反应。常用的模型表示方法有多种,有布尔模型、概率模型、向量空间模型。这里我们从向量空间模型(VectorSpaceModel,VSM)的角度来建立用户兴趣模型。1用户对兴趣的获取用户兴趣模型的建立过程本质上就是一个用户兴趣知识获取的过程。用户兴趣模型中的知识获取主要有用户显式反馈和用户隐式反馈两种方式。1.1填表式表达方式用户显式反馈是指用户回答系统提出的问题,直接参与建模过程,一般通过填表的方式来完成,例如用户注册信息。通过用户显示反馈获取的信息比较具体、全面、客观,结果往往比较可靠,其缺点是灵活性差,会浪费用户很多时间,打扰他们的正常工作。1.2用户兴趣特征用户隐式反馈是指系统在观察用户行为的基础上通过推理来获取用户兴趣知识。例如根据服务器日志统计来推断出用户兴趣。用户隐式反馈可以减少用户很多不必要的负担,不会打扰用户的正常生活。为了充分发挥这两种方式的优势,可以采用用户显式反馈方式来获取静态的用户兴趣信息,采用用户隐式反馈方式来获取动态的用户兴趣信息。2特征矢量法t用户兴趣目标表示就是用户兴趣以一定的方式在计算机内表示出来,我们从用户兴趣中选取一些特征项(如术语等),用这些特征项及其在目标信息中的重要性来代表目标信息。具体做法是:首先,选取一组适合表示用户兴趣目标信息的术语(T1,T2,…,Tn),然后对于目标信息F,根据术语Ti在F中的重要程度求出权值Wi,i=1,…,n,再把目标信息F用术语特征矢量(W1,W2,…,Wn))表示出来,Wi表示Ti在F中的权重,i=1,…,n。权重公式为:wi=(0.5+0.5tf(j)tfmax)(logndf(j))∑Ti∈F((0.5+0.5tf(j)tfmax)2(logndf(j))2)√wi=(0.5+0.5tf(j)tfmax)(logndf(j))∑Τi∈F((0.5+0.5tf(j)tfmax)2(logndf(j))2)tf(i)是术语Ti在目标信息F中的出现次数,df(i)为数字图书馆中包含术语Ti的文档数,n是数字图书馆中全部文档的数目,tfmax为F中出现最多的术语的出现次数。3用户兴趣模型设计为了充分发挥用户显示反馈和用户隐式反馈的优势,本文提出用户兴趣模型的设计方案是:根据用户注册信息建立用户兴趣初始模型,根据服务器日志统计来更新用户兴趣模型。3.1用户兴趣初始模型用户注册信息是指用户通过网页输入的、提交给图书馆网页服务器的相关信息。在用户注册时,让用户主动提供自己的兴趣。可以让用户回答一些问题,如从事的学科专业、研究方向、阅读兴趣等。对用户输入的答案进行目标表示后,将不同问题的答案形成不同的用户个性化向量,表示用户的各种兴趣。通过这种方法可以快速、简便地获得用户的初始兴趣,建立用户兴趣的初始模型。设用户兴趣模型中兴趣向量为Qi,兴趣特征项的个数为n,兴趣数为m,则用户兴趣初始模型U可表示为一向量矩阵:U=(Q1,Q2,…,Qm),其中,兴趣向量为Qi=(qi1,qi2,…,qin)。在构造用户模型时,兴趣数m不宜取得过小,m过小会使过滤的准确率降低;m也不宜取得过大,因为取得过大会增加过滤的负担,使存储用户兴趣模型的空间增大。3.2用户使用应用由于用户的兴趣不是一成不变的,让用户每次访问网络时都输入这些内容会使用户觉得很繁琐,浪费用户很多的时间,并且会打扰他们的正常工作,另外用户一般不可能提供所有的兴趣以及感兴趣的程度,所以我们利用用户留在服务器上的信息(即日志文件),通过观察用户的行为来更新用户兴趣模型。网上图书馆服务器中的日志文件记录了用户与服务器间交互的过程信息,包括用户的IP地址、访问时间、访问方式、被请求文件的URL、HTTP版本号、返回码、传输字节数、访问的页面、协议、错误代码等等。每当站点被访问一次,日志就在数据库中增加相对应的记录,这些记录按访问时间的先后进行排序。分析这些日志文件可以发现用户已浏览过的页面集和浏览这些页面的时间长度。3.2.1用户访问页面的设计一般来说,用户只会访问自己感兴趣的页面,如果用户反复回到某一页面,则说明用户对该页面感兴趣。所以对用户访问过的页面进行挖掘,可以了解用户的兴趣及感兴趣的程度。Q1,…,Qm是用户兴趣模型中的所有兴趣向量,设向量X1,…,Xd表示用户已访问过的所有内容页面。如果页面Xj与用户的某一项兴趣Qi接近,即Qi·Xj/|Xj|的值大于阀值a(a取0.15),则用该页面对应的向量加到用户的兴趣Qi中,即:Qi=Qi+(m2⋅Xj⋅XJ(j)⋅T(j))/(∑k=1mXJ(k)⋅∑k=1mT(k))Qi=Qi+(m2⋅Xj⋅XJ(j)⋅Τ(j))/(∑k=1mXJ(k)⋅∑k=1mΤ(k))其中XJ(j)表示用户访问页面的频度,T(j)表示用户访问页面Xj的时间,j=1,…,m。因此,用户访问页面的信息加强了用户的相应兴趣。如果页面Xj不与用户的任何一项兴趣接近,则将分量值对应为Qi的向量作为用户的新兴趣。但是这样会导致用户的兴趣种类大量增加,所以需设定一个阀值b(b取0.2),如果用户的某一兴趣对应向量的模小于b时,在推送相关页面时不考虑该项兴趣。3.2.2用户兴趣计算用户对网页的浏览可能会带有一定的随意性,但同时又会有一定的规律性。如果一个用户对某一网页比较感兴趣,则该用户在浏览此网页时就会消耗更多的时间,同时也会经常重复访问此网页。我们用下列公式来计算用户兴趣:F=(nN+tT)kKF=(nΝ+tΤ)kΚ其中F为访问该节点的兴趣度,n为本次访问该节点的次数,N为本次访问的总次数,t为访问本节点所消耗的时间,T为访问网站所用的总时间,k为本次访问的节点数,K为网站的总节点数。引用这几个参数是因为考虑到用户每一次访问的时间不同,且网站的长度也是不断变化的,这样才可以使每次计算的兴趣度具有可比性。如果一个节点的兴趣度越大,则认为用户对此节点所包含的内容兴趣越大。设定一个阀值c,如果F≥c,则该网页作为用户的新兴趣。4用户兴趣模型建立的前提是对用户体验在用户兴趣建模中,要建立一套评价反馈机制。这里我们使用两种方法来评价用户兴趣模型:a.网上实验观察法。网上实验观察法是用户对兴趣模型的利用情况进行分析,如果用户利用率提高,说明用户兴趣模型建立的比较成功,反之,则说明模型建立的不够成功。b.通过用户对被推荐页面进行评价的信息来评价用户兴趣模型。用户对被推荐页面的评价标准可设为:正好符合要求、相关、无关。若正好符合要求,则说明兴趣模型建立的很成功;若相关,则说明兴趣模型建立的比较成功,但还须改进;若无关,则说明兴趣模型建立的很不成功。根据评价结果,来调整用户兴趣模型建立和更新的方法。另外,在用户兴趣建模中,要充分考虑用户的隐私权问题,并不是所有的用户都会喜欢主动服务。当用户每次打开电子邮箱时,就会看到一大堆信息,尽管可能与用户的兴趣相关,但用户也会感到厌烦。因此在用户兴趣建模中,首先需要考虑用户是否愿意接受这种主动服务;并且还要避免用户个人信息的外泄,在用户允许的范围内公开或使用用户个人信息,以保护用户的合法权益。5实现个性化领域领域的疫情用户兴趣建模是