基于用户兴趣模型的个性化农业搜索引擎的研究与实现

发布时间：2017-08-10 22:02

  本文关键词：基于用户兴趣模型的个性化农业搜索引擎的研究与实现

  更多相关文章： 用户兴趣模型 个性化排序算法 搜索引擎

【摘要】：目前的农业垂直搜索引擎在一定程度上方便了用户从海量繁杂的网络资源中获取农业信息,然而,其提供的千人一面的搜索结果无法满足用户日益增长的个性化需求。针对以上问题,本文结合用户兴趣模型和个性化排序算法的研究,实现个性化农业垂直搜索引擎,为用户提供个性化信息搜索服务。本文主要完成了以下的研究和工作:(1)用户兴趣模型构建与更新的研究。从服务器日志中隐式地收集用户信息,从用户历史查询记录中提取出用户的兴趣词。在使用TF-IDF(Term Frequency-Inverse Document Frequency)算法计算用户对兴趣词的兴趣度时,结合兴趣词在兴趣词集合中的权重因素,提出了本文的兴趣度计算公式。采用向量空间模型表示法对用户兴趣模型进行形式化描述。在用户兴趣模型的更新中使用兴趣衰减因子。(2)个性化排序算法的研究。在研究了Lucene排序算法和普通的个性化排序算法后,对普通的个性化排序算法进行优化。个性化排序算法在搜索前首先使用所构建的用户兴趣模型来扩展用户的查询,接着利用余弦公式只计算用户兴趣模型与搜索结果文档的标题摘要间的相似度,从而简化相似度计算过程。结合Lucene评分公式,提出综合评分公式。实验表明,本文的个性化排序算法比普通的个性化排序算法的查准率更高。(3)个性化农业搜索引擎系统的构建。在基于Nutch开发的农业垂直搜索引擎中实现用户兴趣模型构建更新方法和个性化排序算法,采用面向对象的编程方法,最终构建了个性化农业搜索系统。系统测试表明,它能为用户提供个性化搜索服务。
【关键词】：用户兴趣模型 个性化排序算法 搜索引擎
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 研究的背景与意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 农业垂直搜索引擎11-12
• 1.2.2 个性化搜索12-13
• 1.3 研究的主要内容13-14
• 1.4 论文组织结构14-15
• 第二章 相关理论及技术15-26
• 2.1 垂直搜索引擎15-18
• 2.1.1 垂直搜索引擎的系统架构15-16
• 2.1.2 垂直搜索引擎关键技术16-18
• 2.2 用户模型18-23
• 2.2.1 用户模型定义18-19
• 2.2.2 用户建模信息来源与收集19-21
• 2.2.3 用户模型的表示方法21-22
• 2.2.4 构建用户模型的技术22-23
• 2.3 个性化信息搜索23-25
• 2.3.1 个性化信息搜索介绍23
• 2.3.2 个性化搜索引擎原理23-24
• 2.3.3 个性化信息搜索引擎的评价指标24-25
• 2.4 本章小结25-26
• 第三章 基于历史查询的用户兴趣建模26-34
• 3.1 用户兴趣模型概述26
• 3.2 用户兴趣模型构建26-31
• 3.2.1 用户兴趣模型构建流程26-27
• 3.2.2 用户数据的收集27-28
• 3.2.3 基于历史查询的用户兴趣词提取28-29
• 3.2.4 兴趣度的计算29-30
• 3.2.5 用户兴趣模型表示30-31
• 3.3 用户兴趣模型更新31-33
• 3.3.1 用户兴趣模型更新过程31-32
• 3.3.2 用户兴趣模型的更新算法32-33
• 3.4 本章小结33-34
• 第四章 个性化排序算法34-41
• 4.1 Lucene排序算法34-35
• 4.2 普通的个性化排序算法35-36
• 4.3 个性化排序算法的优化36-38
• 4.3.1 个性化排序算法的优化过程36-37
• 4.3.2 优化的个性化排序算法流程37-38
• 4.4 实验结果与分析38-40
• 4.4.1 评价指标38-39
• 4.4.2 实验结果及分析39-40
• 4.5 本章小结40-41
• 第五章 个性化农业搜索引擎的实现41-53
• 5.1 系统需求41-42
• 5.2 系统设计42-45
• 5.2.1 系统架构42-43
• 5.2.2 系统功能模块43-44
• 5.2.3 系统数据库44-45
• 5.3 系统实现45-49
• 5.3.1 用户接口45-46
• 5.3.2 用户兴趣建模更新46-47
• 5.3.3 个性化排序47-49
• 5.4 系统测试49-52
• 5.4.1 系统测试环境49-50
• 5.4.2 功能测试50-51
• 5.4.3 系统性能测试51-52
• 5.4.4 系统评价52
• 5.5 本章小结52-53
• 第六章 结论与展望53-54
• 6.1 结论53
• 6.2 展望53-54
• 参考文献54-57
• 致谢57-58
• 作者简介58

【相似文献】

中国期刊全文数据库 前10条

1 孙铁利,杨凤芹;根据用户隐式反馈建立和更新用户兴趣模型[J];东北师大学报(自然科学版);2003年03期

2 邵志峰;李荣陆;胡运发;;基于中图分类法的用户兴趣模型研究[J];计算机应用与软件;2007年08期

3 李峰;裴军;游之洋;;基于隐式反馈的自适应用户兴趣模型[J];计算机工程与应用;2008年09期

4 李玉霞;;教学兴趣模型与信息伦理教育的融合[J];中国科技信息;2010年24期

5 杨树林;田卫东;;基于农业本体的用户兴趣模型研究[J];电脑知识与技术;2011年13期

6 刘霄宇;;用户兴趣模型的构建方法[J];现代商业;2013年23期

7 朱强;;基于网络信息提取系统中用户兴趣模型建立的研究[J];科技致富向导;2013年11期

8 刘晋;王潜平;;个性化服务中用户兴趣模型相关技术的研究[J];电脑知识与技术(学术交流);2007年10期

9 曾义聪;;基于兴趣模型的主题搜索机器人技术探讨[J];科技信息(学术研究);2008年24期

10 蒲国林;杨清平;王刚;邱玉辉;;基于语义的个性化用户兴趣模型[J];计算机科学;2008年07期

中国重要会议论文全文数据库 前8条

1 吴晓;李丹宁;林洁;冀肖榆;李丹;;个性化搜索引擎中用户兴趣模型的研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

2 徐志明;宋毅;冯子威;李生;;一种基于分类的用户兴趣模型[A];第六届全国信息检索学术会议论文集[C];2010年

3 柏桂荣;章勇;;基于RSS的用户兴趣模型研究[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

4 周延泉;张传福;张瑞华;李蕾;何华灿;;移动个性化信息服务中的用户兴趣模型[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

5 米晓红;;一种基于LSI的用户兴趣模型构建方法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

6 张艳;章勇;;基于RSS信息服务的自适应用户兴趣模型研究[A];第七届中国通信学会学术年会论文集[C];2010年

7 李振星;徐泽平;;基于兴趣模型的WEB信息预测采集过滤方法[A];第一届学生计算语言学研讨会论文集[C];2002年

8 余珊珊;吴京慧;;个性化搜索引擎中用户兴趣模型的研究和设计[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

中国硕士学位论文全文数据库 前10条

1 袁博阳;基于微博内容和用户关注的微博用户兴趣模型构建[D];华南理工大学;2015年

2 赵雪美;基于用户兴趣模型的个性化推荐算法研究[D];南京理工大学;2015年

3 徐晓彤;微博用户兴趣模型及个性化推荐技术研究与应用[D];大连海事大学;2015年

4 宋章浩;基于Web浏览行为的用户兴趣模型研究[D];西南科技大学;2015年

5 夏春燕;适用于文本信息推荐的用户兴趣模型构建与更新方法[D];电子科技大学;2014年

6 王孟;基于教育云平台的个性化推荐系统设计与实现[D];电子科技大学;2014年

7 司书勇;基于用户兴趣模型的精准信息推荐技术研究与实现[D];北京工业大学;2015年

8 李杏艳;基于用户兴趣模型的个性化信息检索技术研究[D];石家庄铁道大学;2015年

9 蒋阳辉;基于用户兴趣模型的个性化农业搜索引擎的研究与实现[D];西北农林科技大学;2016年

10 李伟;基于用户兴趣模型的新闻自动推荐系统[D];复旦大学;2009年

，

本文编号：652844