【正文】 理學研究表明：即使用戶知道他的工作在不后會給他帶來好處，用戶仍然不愿意參與這個訓練過程[68l。事實上，要求用戶瀏覽過程中對頁面進行標注會干擾用戶的正常瀏覽，降低系統(tǒng)的可用性。而且隨著瀏覽時間的延長，用戶的興趣主題和評價標準并不穩(wěn)定。可以選擇采用ODP[ 6 ] (Open Directory Project) ,即開放式分類目錄搜索系統(tǒng)來建立用戶個性化信息。216。 系統(tǒng)被動學習：被動學習是系統(tǒng)通過對用戶查詢行為進行記錄而實現(xiàn)的。也就是說，系統(tǒng)根據(jù)用戶的初始查詢向用戶推送從因特網(wǎng)搜集來的信息后，對用戶的信息篩選、瀏覽等行為進行全過程的實時監(jiān)控。系統(tǒng)通過監(jiān)視用戶的信息篩選過程能自動獲得用戶的信息需求方向，其方法是系統(tǒng)通過不斷地接收用戶在Web瀏覽時的相關(guān)信息，并將信息進行整理、組織，從中分析出用戶的信息偏好，系統(tǒng)再根據(jù)用戶這些信息偏好進行新的信息的推薦。系統(tǒng)被動學習的方式，雖然能在一定程度上學習用戶興趣的最新變化，但是這個學習過程存在一定的盲目性。因為用戶的瀏覽過程帶有很大的隨機性，那些用戶瀏覽時間長的信息，并不一定是用戶真正想獲得的信息，用戶很可能在剛打開某個網(wǎng)頁后就有事離開了。推斷用戶訪問過的頁面為用戶感興趣的頁面，反之為用戶不感興趣頁面也可能給系統(tǒng)判斷帶來嚴重的錯誤，典型的有：(1)用戶可能點擊某個超鏈接，瀏覽后發(fā)現(xiàn)該頁面并非自己感興趣的頁面。(2)用戶可能忽視某些自己感興趣的頁面，從而導致有些應(yīng)該瀏覽的頁面未被瀏覽過。(3)用戶在某個頁面停留較長的時間，有時并不是對這個頁面感興趣，而是有其它的事物需要處理。(4)由于傳統(tǒng)Web瀏覽器的界面結(jié)構(gòu)易于導致用戶進行深度優(yōu)先搜索，用戶容易忘記退回到過去的頁面以瀏覽某些自己感興趣的超鏈接。 個性化信息過濾由于關(guān)鍵詞查詢固有的弊病，在信息推送給用戶之前，需要去除那些無關(guān)的信息，即信息過濾。信息過濾的一個方法就是在用戶的個性特征信息中，設(shè)定對應(yīng)每一類信息的排除關(guān)鍵詞。其作用就是在查詢的結(jié)果當中，排除那些含有這些關(guān)鍵詞的信息?？梢圆捎貌幌嚓P(guān)度計算是系統(tǒng)根據(jù)設(shè)定的一些不相關(guān)詞匯，計算信息與檢索目標的不相關(guān)程度，達到一定門檻值的才排除。本文所采用的方法具體見第四章。 個性化搜索排序問題l 客戶端排序客戶端排序的方法即是將用戶描述文件存儲在客戶端，搜索時用戶提交搜索請求到搜索引擎服務(wù)器，而服務(wù)器返回原始搜索結(jié)果，最終由客戶端進行個性化重排序。在客戶端排序的方法步驟如下：l)用戶提交搜索請求Q；2)搜索引擎獲得搜索結(jié)果集RSset，并按照PageRank或其它方法對搜索結(jié)果進行排序獲得原始搜索結(jié)果Rraw；3)搜索引擎?zhèn)鬏斎炕虿糠值脑妓阉鹘Y(jié)果Rraw_n_i到客戶端；4)客戶端使用存儲于本地的用戶描述文件P對傳回的原始搜索結(jié)果Rraw_n_i進行個性化重排序，將排序結(jié)果作為個性化搜索結(jié)果Rper_raw_n_i呈現(xiàn)客戶端排序方法有三點值得關(guān)注:① 用戶文件是保留在用戶本地，避免了網(wǎng)絡(luò)傳輸或者存儲于遠程主機的不安全性② 由于原始搜索結(jié)果較多時無法將其全部傳輸回，因此通常會分段傳回一部分的數(shù)據(jù)，當用戶瀏覽完己傳輸?shù)臄?shù)據(jù)后再向服務(wù)器請求其它的數(shù)據(jù)③ 由于需要在客戶端個性化重排序，需要有瀏覽器插件或者獨立的客戶端支持可見客戶端排序方法的優(yōu)點在于用戶的描述文件被存放于本地，能夠避免出現(xiàn)AOL泄露用戶搜索記錄這樣的事件，起到對用戶隱私信息保護的作用。但是客戶端排序方法的缺陷在于分段進行原始搜索結(jié)果傳輸將影響搜索結(jié)果的質(zhì)量，下面舉例說明。l 服務(wù)器端排序在服務(wù)器端排序的方法與客戶端排序稍有不同，存在兩種不同的方案，一種是將用戶描述文件存儲在客戶端，在用戶進行搜索時和搜索請求一并提交，另一種則是將用戶描述文件直接存儲在服務(wù)器端。用戶提交搜索請求后由服務(wù)器對搜索結(jié)果進行個性化重排序，并返回給客戶端。用戶描述文件存儲在客戶端的服務(wù)器端排序方法步驟如下: 1)用戶提交搜索請求Q和個人描述文件P；2)搜索引擎獲得搜索結(jié)果集RSset，并按照PageRank或其它方法對搜索結(jié)果進行排序獲得原始搜索結(jié)果Rraw；3)搜索引擎根據(jù)提交的個人信息P對原始搜索結(jié)果Rraw，進行個性化重新排序獲得個性化搜索結(jié)果Rper；4)搜索引擎服務(wù)器端分段或全部返回個性化搜索結(jié)果Rper_raw_n_i。用戶描述文件存儲在服務(wù)器的服務(wù)器端排序方法步驟如下:1)用戶提交搜索請求Q2)搜索引擎獲得搜索結(jié)果集RSset，并按照PageRank或其它方法對搜索結(jié)果進行排序獲得原始搜索結(jié)果Rraw；3)搜索引擎根據(jù)存儲在服務(wù)器端的用戶描述文件P對原始搜索結(jié)果Rraw，進行個性化重新排序獲得個性化搜索結(jié)果Rper；4)搜索引擎服務(wù)器端分段或全部返回個性化搜索結(jié)果Rper_raw_n_i。由于這種方法個性化排序的步驟在服務(wù)器端進行，因此客戶端分段請求返回搜索結(jié)果時排序動作已經(jīng)完成，不存在前一小節(jié)所指出的問題，也即服務(wù)器端重排序后的結(jié)果可以認為是理想化結(jié)果。 用戶反饋學習能根據(jù)用戶對文檔的評價和用戶特征文檔集合，學習用戶的偏好。在用戶偏好中的一個比較重要的方面，就是不同關(guān)鍵詞之間的、包含用戶特征的語義相關(guān)度，Pei一Min Chen等在這方面開展了積極的研究[54]。以往的反饋學習算法一般只對詞匯單獨出現(xiàn)的頻率進行統(tǒng)計，很少考慮詞匯同時出現(xiàn)在同一篇文檔中的情況，本文中，改進的基于詞頻統(tǒng)計反饋學習算法如下： l 相關(guān)度和相異度的數(shù)學模型相關(guān)度：設(shè)x為一查詢關(guān)鍵詞，y為其語義相關(guān)詞，并且設(shè)x和y在搜索結(jié)果中被用戶選中的文檔中出現(xiàn)的次數(shù)分別是和，出現(xiàn)在同一篇文檔中的次數(shù)為；相應(yīng)地，設(shè)x和y在搜索結(jié)果中未被用戶選中的文檔中出現(xiàn)的頻率分別是，和，那么y與x的相關(guān)度可用下式表示：相應(yīng)地，相異度可以表示成：(2)其中，進一步，語義相關(guān)度為：(3)當simx,ydivx,y時，取min，否則取max。其中，是y與x在用戶偏好關(guān)鍵詞表中的原始語義相關(guān)度。l 算例設(shè)用戶提交的查詢關(guān)鍵詞是t，與用戶偏好關(guān)鍵詞表中語義相關(guān)詞a的相關(guān)度=。a與t一起提交查詢，得到5篇與關(guān)鍵詞t相關(guān)的文章R1R5。進行詞頻統(tǒng)計后得到每篇文章的主題詞分別是：R1：a，t，c，e，b；R2：b，d，f，a；R3：t，d，m，f，b；R4：a，b，g；R5：a，b，g，f，g。如果用戶選中R1，R2和R3，則每個主題詞在被選中文檔和未被選中文檔中出現(xiàn)的次數(shù)統(tǒng)計如下：=2，=2，=3，=1，=2，=1，……，=1，=1，……；=0，=2，=2，=0，=0，=0，……，=0，=0，……；運用公式(l)得到a與t的相關(guān)度為：simt,a=max((2+2+1)/(2+2+0+2+1+0),(0+2+0)/( 2+2+0+2+1+0))=max(5/7,2/7)=5/7運用公式(2)得到a與t的相異度為：divt,a=max(4/7，2/7)=4/7則反饋調(diào)整算法分別按公式(3)調(diào)整，a與t的語義相關(guān)度為：SRt,a =min(1，+5/7一4/7)=以上式中假設(shè)SR取值范圍為一1至1，1表示予以上最相關(guān)，1表示語義完全不相關(guān)。計算未存在于系統(tǒng)中的關(guān)鍵詞x與t的語義相關(guān)度時，其與t的初始語義相關(guān)度按0計。當用戶準備更改自己的偏好模型，可以把訓練文檔提交給系統(tǒng)，系統(tǒng)按語義相關(guān)度公式重新計算，完成用戶興趣模型的調(diào)整。 用戶個性化信息查詢l 個性信息檢索模板：個性信息檢索模板是基于關(guān)鍵詞的，模板的作用是根據(jù)用戶的輸入，來確定用戶此次查詢的主題及根據(jù)實際情況擴展檢索的范圍，調(diào)用引擎的先后次序等。對應(yīng)每一個關(guān)鍵詞有查詢的同義詞和檢索表達式的個性擴展詞。必要時調(diào)用同義詞代替關(guān)鍵詞來進行查詢，同義詞按其與關(guān)鍵詞的相關(guān)程度排列。用戶在此層次的個性信息表現(xiàn)為：代表用戶針對某一方面信息需求的關(guān)鍵詞A，及其同義詞B1，B2，……，Bn關(guān)鍵詞可以由用戶自己選定，也可以又系統(tǒng)按照關(guān)鍵詞字典給出，并且隨著用戶的使用，用戶興趣的轉(zhuǎn)變，相應(yīng)的發(fā)生變化。而擴展檢索詞是對用戶信息需求的個性化擴展，因為通常每個搜索引擎會接受若干個布爾邏輯的提問輸入，輸入越精確，檢索的效果越好。個性化信息獲取系統(tǒng)通過歷史記錄和用戶的反饋，能自主地判斷用戶某一方面信息需求的取向，在有了用戶第一個輸入之后，就會把與此輸入相關(guān)的詳細檢索信息自動地加到檢索提問中，代替用戶完成與搜索引擎的交互。簡單的用戶個性信息檢索模板如圖：個性信息檢索模版所示。 個性化搜索引擎的發(fā)展趨勢第四章 同時，XML超強的連接功能，結(jié)構(gòu)化的表示方法，有語義接口等特性，使得基于XML的信息檢索可以實現(xiàn)信息自動抽取、交換和集成，能提高檢索系統(tǒng)的查準率和效率。在基于XML表示的文擋上面進行信息抓取、中文分詞、相關(guān)分析等信息檢索中關(guān)鍵算法的優(yōu)化必將進一步提高檢索系統(tǒng)的效率。本文基于這樣的思想開展研究，對智能化信息檢索作一個小的嘗試，根本目的是為了探索信息檢索在新的應(yīng)用需求下的性能提高的技術(shù)解決方案。參考文獻[1] 潘望，2008（36）：8990[2] K. Langa，M. Burnett. XML，metadata and efficient knowledgediseovery. KnowledgeBased Systems，2000(13)：321331[3] ，2001，(l)：2528[4] 搜索引擎優(yōu)化：：//[5] Tom Extraction on Web Review，2001(1)：128135[6] Ji GenLin，YanMing，SongYuQing，Sun Updating Maximum Frequent Itemsets Chinese Joumal of Computers，2005，28(1)：128135[7] 王繼成，蕭嶸，孫正興，2001，38(2)：187193[8] Philippe Martin and Peter Retrieval and the World Wide Web. IEEE Intelligent Systems，2000(5)：29[9] Sheila ，Tran Cao Son，and Honglei Web Services. IEEE Intelligent Systems，2001，(5)：4653[10] ：，2001，28(5)：8588[11] 蔡國民等. [12] ，1999，21(4)：4952[13] ，1997，24(1)：96101[14] 陶躍華，,2001,19(8)：861863,873[15] J Retrieval Systems. Scienee,1963，141：245250[16] P W Foltz，S T Information delivery：analysis of information of the ACM，1992，35(12)：51 60[17] 師海燕，, 2009 (5)：11111133[18] 楊震，2003，24(7)：9093[19] Dunja learning for better Web ： AAAI 2000 Spring Symposium Technical Reports on Adaptive User Interfaces，2000：8284.[20] Chien Chin Chen,Meng Chang Chen,Yeali ：a selfadaptive personal view agent system. In： seventh ACM SIGKDD international conference on Knowledge discovery and data mining，2001：257262.[21] Yabo Xu，Benyu Zhang，Zheng Chen，et Personalized Web ： WWW2007,May 812,2007：591600.[22] Kazunari Sugiyama，Kenji Hatano，Masatoshi web search based on user profile constructed without any effort from ： WWW2004，May 1722，2004：675684.[23] Feng Qiu，Junghoo identification of user interest for personalized ： WWW2006，May2226，2006：727736.[24] James Rueker，Mareos navigation for the of the ACM，1997，40(3)：7376.[25] Broadvision：：//[26] Paul Alexandru Chirita，Wolfgang Nejdl，Raluca Paiu，et ODP metadata to personalize ： 28th annual international ACM SIGIR conference on Research and development in information retrieval(SIGIR2005)，Aug2005：178185.[27] R Alton Scheidl，J Ekhall，OV ：Social and Collaborative Filtering of Web Documents and ： 5th ERCIM Workshp on User Interfaces for All：UserTailored Information Environments，1999：2327.[28] Bollacker Kurt D，Lawrence Steve，Giles C relevant scientific literature on the Systems