基于用户行为和遗传算法的用户建模研究

随着Internet的迅速发展,各种信息呈指数级的速度增长,信息类型也越来越多。如何有效地解决信息过载和信息迷失带来的种种问题,如何满足各种用户不同的个性化需求等,是研究人员面临的新课题,个性化服务已经成为当前信息服务领域的研究热点之一。用户兴趣建模技术作为个性化服务的核心问题,主要是研究如何有效地组织用户的兴趣源、用户兴趣的表示、更新以及存储等。本文针对向量空间模型下不同的应用需求提出了两种基于用户行为的用户建模方法,实验验证这两种建模方法均能提供较为精确有效的用户兴趣描述。本文的研究内容及成果如下: 首先,分析了传统的浏览时间转化为用户兴趣的方法之后,提出了一种将用户浏览时间表示为用户兴趣度的非线性转换方法。该方法以不同用户的平均浏览时间为标准,将用户浏览时间转化为0到1之间的兴趣表示。这不仅满足本文用户建模的要求,也同样适合其它对浏览时间有类似变换要求的场合。 其次,在对于传统的基于遗传算法用户建模分析的基础上,结合浏览时间的非线性变换,提出了一种基于浏览时间和遗传算法的用户建模算法。该算法是一种简单、实用的方法,具有较高的效率和准确性。 然后,在基于对其它用户行为分析的基础上,结合用户行为的线性回归模型,提出了一种基于综合行为和遗传算法的用户建模算法。该方法虽然效率略低,但能获得比基于浏览时间和遗传算法的用户建模方法更高的准确性。 最后,采用知名网站的标准分类页面作为测试集,针对本文提出的用户兴趣建模方法,做了较为充分的验证实验。一方面将文中的方法和传统的方法做了比较;另一方面将文中的两种方法做了对比。结果表明:文中的方法都能较好地描述用户兴趣。 上述取得的研究成果,在个性化服务领域中具有很好的学术参考价值和较好的应用价值。