论文部分内容阅读
1990年,WWW(World Wide Web)出现,在随后的几年中它获得了空前的发展,Internet上的信息量以指数形式飞速增长。互联网上蕴藏着的海量信息,对于用户来说已经大大超过了可能的阅读量。通常用户在吸取有用信息的同时,也无奈的接收了许多无用的信息,浪费了大量的时间。现在,用户如何才能有效的获取有用信息,网站如何才能更有效地把信息推荐给用户,已经成为许多用户和网站经营者共同关心的问题,也成为一家网络公司是否能在市场竞争中掌握先机的关键。为此,本论文提出了以RDF元数据集为基础的个性化服务模型。论文的主要研究内容如下:(1)论文对当前的个性化服务模型进行了分类研究,分析了其核心技术以及国际上主要的个性化服务的已有系统,该部分的研究对把握国际上有关此方面的最新技术具有重要的指导意义。(2)论文针对个性化服务研究中的用户兴趣提取和表示技术进行了详细的研究,总结了用户兴趣提取和表示技术的核心问题;分析了当前的用户兴趣提取和表示的主要算法,并给出了一种新的用户兴趣提取算法和基于RDF的用户兴趣表示方法,仿真试验表明,这种算法和表示法能够准确的表达用户的实际兴趣。(3)论文提出了一个根据用户兴趣进行网络信息过滤的新模型,其核心思想是:在过滤之前将信息用RDF元数据集表达出来,然后再与同样是以RDF表示的用户兴趣进行比较。这种算法的优点在于:信息过滤速度快、准确率高、不受信息的不同分类的限制、模型的应用范围广泛、有较强的实用性。(4)从用户的角度出发,论文还提出了几个供用户与系统进行有效交互的渠道。从而使用户可以对系统的工作进行全面监控,体现了用户的自主性和能动性。在论文中,利用了RDF元数据技术来表示用户兴趣和网络信息资源,采用Agent技术来挖掘用户上网的历史信息,从而发现用户的兴趣所在,然后再根据不同用户的不同兴趣来为用户提供不同的信息服务。该模型的研究,在网站的个性化服务领域进行了有益的探索,具有一定的研究价值。