关键词： 用户偏好模型   个性化   基于内容的推荐   基于Item的协同过滤推荐   自适应推荐算法  

摘要： 随着互联网上房地产信息越来越多，人们从大量的房产信息中找到自己需要的信息也变得越来越困难，因为传统的房地产信息检索系统中没有考虑用户的兴趣偏好，只是机械地进行信息搜索，对于不同的用户，相同的查询词，往往返回相同的查询结果，这样的查询结果已经无法满足用户日益鲜明的个性化需求。 本文针对目前房地产信息产业中的上述问题，提出了基于用户偏好模型的个性化房地产信息检索与推荐，并实现了个性化房地产信息检索与推荐系统。本文主要在以下几个方面开展了探索性研究工作： 首先在对国内外相关文献收集整理的基础上，针对目前房地产信息中存在的问题，结合信息检索技术、用户模型技术和推荐技术，提出了课题研究的基本思路和技术路线。 其次，对用户偏好模型展开深入研究。在模型的更新方面，通过对查询词和检索结果的操作行为进行学习，提出了适应度函数来指导模型的更新;在模型的表示方面，结合房产信息本体的特征采用向量空间模型表示，并设计了特征词典，实现了查询词到用户偏好的映射并能得到具体的权值，以便于相似度的计算来优化检索结果的排序。 然后，在前面实现了用户偏好模型的基础上，分析了基于内容的推荐和协同过滤算法的优缺点，提出了一种自适应推荐算法，将基于内容的推荐和基于Item的协同过滤相结合，增加了一个数据结构——最近认可队列，为两种推荐算法的合并策略提供依据并能自适应地改变合并策略的参数，从而达到更好的推荐服务质量。 最后，利用前面的理论知识，实现了一个个性化房地产信息检索与推荐系统。通过P@N评测指标对系统的检索性能进行测试，实验证明个性化房地产信息检索与传统的房地产信息检索相比性能有了显著改进，尤其是在对用户偏好模型做初始化的情况下改进效果更为明显，P@N评测指标提高了约25%。在前面实验的基础上，以Precision-Recall和覆盖率为指标对系统的推荐功能进行了测试，实验证明本文中提出的基于内容推荐和基于Item协同过滤相结合的自适应推荐算法相比原协同过滤算法性能有所提高。

关键词： 用户兴趣模型   个性化   搜索引擎  

摘要： 目前,网络上的信息以指数级的增长速度增加,而且一直处于不断地变化中,利用传统的仅仅依靠关键字匹配搜索引擎技术,用户难以快速准确地找到自己真正感兴趣的信息。基于用户兴趣的个性化搜索技术成为了研究热点。本文针对传统信息检索技术存在的问题,对基于用户兴趣模型的个性化信息检索技术展开研究,主要研究内容如下:(1)深入研究了搜索引擎、个性化信息检索以及用户兴趣建模相关理论与技术,对比传统信息检索,设计了基于用户兴趣模型的个性化信息检索系统,给出系统的框架和实现过程。(2)构建用户兴趣模型并提出一种用户兴趣模型更新方法。将用户浏览历史网页、收藏夹中的网页进行预处理,使用TF-IDF算法计算关键词及其权重,从所有关键词中按照权重值的大小选取出前N个,构建用户初始兴趣模型。然后对初始模型使用遗忘因子进行遗忘,并根据用户的浏览网页行为计算用户的网页兴趣度,将网页兴趣度较大的网页进行存储,并对其进行进一步处理,提取出新的兴趣向量,将新的兴趣向量同初始建立的用户兴趣模型比较,来优化更新兴趣模型。(3)计算返回结果同用户兴趣模型的相似度。将初始返回的结果文档同用户兴趣模型使用余弦相似度算法进行相似度计算,将返回结果按照相似度大小进行重新排序。(4)采用Java语言在Lucene开源框架的基础上构建了个性化信息检索原型系统,通过爬虫来提取网页信息,然后构建索引及实现查询,最后将检索结果同用户兴趣模型进行相似度计算,按照相似度大小重新排序,将与用户兴趣相关的结果排在靠前的位置,通过实验验证了此种方法的可行性,能够提高检索系统的性能以及用户使用的满意度。

关键词： 信息检索   潜在语义索引   检索结果聚类   权重算法   聚类算法   查询扩展  

摘要： 在互联网技术高速发展的时代,各种数据充斥在网络上,数据的信息量繁杂,人们对信息数据的质量提出了更高的要求。如何有效获取用户所需要的高质量相关文档,是信息检索中一个非常重要的课题。但是,由于用户难以提出准确描述搜索意图的查询,而且查询表达式过于短小,在这种情况下,有些学者提出了利用查询扩展来扩充查询表示式用来完善用户的查询意图,进而提高信息检索系统的检索性能。在这些提出的反馈技术查询扩展方法中,只有伪反馈不需要用户的参与,所以具有很大的普适性。论文主要针对伪反馈中的两个问题展开研究,包括相关文档的确定和查询词项的扩展。主要研究内容包括:(1)研究了基于伪反馈模型的XML检索结果聚类。在XML文档检索中结果聚类是一种改善检索效果的有效方法,其文档距离度量是影响聚类质量的关键因素。针对XML文档检索结果聚类中TF×IDF方法的频率因子和长度因子处理上的不合理和不能突显重要词条的缺点,提出了一种基于“频率因子”和“长度因子”的新权重计算方案。并在建立向量空间模型时引入LSI理论,在词条之间搭建了语义关系,减少了原词-文档矩阵中包含的噪声,聚类速度和精度都有所提高。针对IEEE无类别信息数据集进行了实验,实验表明与同类相似度计算方法和聚类方法相比,本文的方法在聚类速度和效果上都有所提高和改善。(2)研究了伪相关文档查找和XML查询扩展。在XML检索结果聚类的基础上,进行了高质量伪相关文档的查找和高质量查询词的扩展,提出了一个簇标签和簇内文档两个阶段的排序模型,通过该模型得到了N个伪相关文档并用于查询扩展。然后,在这些伪相关文档中挑选合适的词项作为查询扩展词,并将它们和初始查询一并返回提交到信息检索系统。一系列的实验证明本文提出的方法总体性能比未进行查询扩展的方法和传统伪反馈查询词扩展方法都要高。

关键词： 数据恢复   保密检查   数据安全   信息检索  

摘要： 在当前信息化时代,网络窃密事件和泄密事件频繁发生,危害越来越严重,而科研、军事及党政机关中涉密信息也越来越多,计算机终端的保密信息检查工作意义重大。事实上,通过对数据的收集、处理与分析,能够做到准确地再现计算机终端行为。因此,保密性安全检查工具作为数据安全和恢复的重要解决方案,已经被各安全机关和涉密机构所采用。和保密检查息息相关的文件恢复,即数据恢复,作为IT行业一个新的领域,正逐渐的被人们所重视。 基于保密信息检查与恢复需求,本文首先简要说明了当前数据恢复现有的技术背景,调研了国内外在数据恢复领域的研究现状。对误删除或格式化导致丢失的文件的检索和恢复技术进行了调查与研究,定位了该领域亟需解决的问题。 然后,分析了windows操作系统下的文件系统和结构,并研究了各类文件的存储结构,给出各类文件类型结构汇总结果。调研并总结了国内外相关文件恢复系统或软件的恢复能力的优劣与差异,选取有代表性的进行对比,列表给出结论。 接着,基于当前文件恢复软件在文件索引被破坏后,零散文件恢复完整性有所欠缺的现状,本文提出了基于文件级关键信息检索的文件恢复算法,给出了针对零散文件的检索和恢复的解决方案。 最后,针对前面提出的基于文件级关键信息检索的文件恢复算法,设计了模块化实现的方案,并通过编写代码完成了初步的软件开发工作,最终实现了在Windows操作系统上自动对破坏的文件数据进行关键词检索、文件存在性验证和丢失数据的恢复等功能。 测试数据表明,该系统的文件恢复模块可以成功扫描并恢复已删除文件。敏感信息恢复模块对具体数据的恢复也非常快速、全面。更可贵的是,在面对格式化后的数据,该系统不仅有着较高的恢复成功率,还能保证相当的扫描速率,与传统的数据恢复软件相比优势明显。

ISBN: (纸本)9787501356935

ISBN: (纸本)9787302412687

ISBN: (纸本)9787030460431

关键词： 建阳区   桔柚产业   信息检索技术   应用  

摘要： 福建省南平市建阳区是我国桔柚主要种植地区,其自主选育的桔柚新品种--建阳桔柚具有产量高、品质优等特点。随着建阳区桔柚产业的不断壮大和发展,检索、应用和推广信息技术对促进桔柚产业发展,挖掘桔柚市场潜力有着十分重要的作用和意义。文章通过研究南平市建阳区桔柚产业发展现状,分析信息技术植入桔柚产业后对提升桔柚产业的影响,探索建阳桔柚产业的未来发展趋势,希望通过本次研究能够促进桔柚产业又快又好的发展。

关键词： 语义   信息检索   关联推荐   本体  

摘要： 随着互联网技术不断向前发展,信息量的增长速度已经到了叹为观止的地步。这样的发展速度导致用户从茫茫信息海洋之中寻找自己需要的信息已经变得十分的困难。搜索引擎的提出与推广从很大程度上解决的用户难于检索信息的麻烦。用户通过向搜索引擎提供搜索关键词,即能方便的找到自己需要的信息。然而传统搜索引擎在不断发展过程中遇到了很大的困难。首先,基于简单关键词匹配的传统搜索引擎检索方法使得搜索引擎无法准确的理解用户的所要表达的语义层面的意义,加大了用户查询信息的难度。其次,搜索引擎通常返回大量的搜索结果,而用户通常只会浏览前面几页或者十几页的结果,导致虽然搜索引擎返回了用户需要的结果,但由于排名靠后,其结果无法被用户看到。最后,虽然推荐系统现已大量运用于电商、在线音乐等等领域,但推荐算法任然存在比如数据稀疏导致推荐准确率下降等等问题。基于以上问题,作者对语义检索及推荐系统进行研究,并在现有成果基础上,提出了一些新方法。本论文主要工作包括:基于软件工程思想提出了一种新的本体库构建方法:螺旋本体法。该方法在本体构建过程中加入风险评估过程,并提出本体构建需要通过不断迭代来保证本体构建的正确性并能够有效的降低开发过程中将会面临的风险。在分析章节作者将螺旋本体法与其他常见的本体构建方法进行对比,指出该方法的优点,并通过protégé本体构建工具使用螺旋本体法构建本体库。提出一种适用于本体的索引结构并对Lucene的评分算法进行改进。首先通过对Lucene现有索引代码及结构的分析,提出一种适用于本体的Lucene索引结构。其次在分析了Lucene现有评分算法的基础上,提出一种综合考虑了查询关键词词频、用户点击量统计、基于经验三个方面的自动标记关键词权重的方法,并在此基础上对检索结果的本体进行评分,最后依据评分进行排序。通过实验证明,使用该索引结构与更新的评分算法能够提高检索结果。提出基于本体库的协同过滤推荐算法。分析已有协同过滤推荐算法,特别关注用户数据矩阵稀疏的问题,基于已有的本体理论,提出了新的协同过滤推荐算法。并通过实验证明使用基于本体库的协同过滤推荐算法能够提高推荐结果的准确率。

ISBN: (纸本)9787562949794