一種用于桌面元搜索引擎的用戶興趣模型

一、引言

最新資料表明，當(dāng)前網(wǎng)絡(luò)上公開(kāi)可索引到的網(wǎng)頁(yè)已經(jīng)超過(guò)115億。而且網(wǎng)絡(luò)上眾多的搜索引擎如Google，Yahoo等交叉索引的網(wǎng)頁(yè)重復(fù)率估計(jì)達(dá)到28.8%。網(wǎng)站www.pewinternet.org的研究表明有44%的用戶只使用一種搜索引擎，48%的用戶使用2－3種搜索引擎，只有7%的用戶使用3種以上。而元搜索引擎（Meta Search Engine，MSE）是基于搜索引擎的搜索引擎，是在公開(kāi)使用的搜索引擎（稱為成員搜索引擎）基礎(chǔ)上建立起來(lái)的可以同時(shí)或并行查詢多個(gè)搜索引擎并對(duì)返回結(jié)果進(jìn)行處理的搜索工具。元搜索引擎能整合各個(gè)公用的搜索引擎，充分利用這些著名搜索引擎的排名機(jī)制對(duì)其返回結(jié)果進(jìn)行處理，從而提高用戶的搜索效率。

按運(yùn)行平臺(tái)分，元搜索引擎有桌面型和網(wǎng)絡(luò)型兩種。桌面型元搜索引擎是一種客戶端元搜索工具，可以在充分保護(hù)隱私的情況下挖掘用戶個(gè)性化的搜索需求，本文認(rèn)為這是優(yōu)先發(fā)展桌面元搜索引擎的最好理由。用戶興趣模型是個(gè)性化服務(wù)的基礎(chǔ)和核心，它不僅是用戶個(gè)體的興趣描述信息，而且是一種面向算法的、具有特定數(shù)據(jù)結(jié)構(gòu)的和形式化的用戶行為描述。相應(yīng)地，用戶興趣建模是指從有關(guān)用戶興趣和行為的信息（如瀏覽內(nèi)容、瀏覽行為、背景知識(shí)等）中歸納出可計(jì)算的用戶興趣模型的過(guò)程。

二、興趣分類參考模型

興趣分類參考模型主要用于區(qū)分用戶的不同興趣類別?？梢圆捎瞄_(kāi)放式目錄管理系統(tǒng)ODP（Open Directory Project）的分類層次結(jié)構(gòu)來(lái)組織表示用戶所有可能具有的廣泛意義上的興趣，由此定義的興趣具有等級(jí)層次的結(jié)構(gòu)特性（這是一種樹(shù)型結(jié)構(gòu)），即上層（興趣父類）是對(duì)下層（興趣子類）的共同屬性的概括。在用戶興趣參考模型中，可以使用ODP分類層次中的某一層的所有類別作為對(duì)興趣的分類描述。并把該層之下的后代子類作為它的特征詞。

三、用戶興趣模型

用戶興趣模型也用與興趣分類參考模型相似的樹(shù)型結(jié)構(gòu)來(lái)表示，這樣可以適應(yīng)用戶興趣的時(shí)變性和局部關(guān)注性，本文把這種用戶興趣模型稱為用戶興趣樹(shù)，顯然，用戶興趣樹(shù)只有部分興趣類別和部分特征詞。為形式化描述用戶興趣模型，引入以下定義。

接著我們比較了各類術(shù)語(yǔ)的平均相似度，如上圖1所示。圖中顯示在術(shù)語(yǔ)集中與音樂(lè)相關(guān)的術(shù)語(yǔ)的平均相似度比計(jì)算機(jī)網(wǎng)絡(luò)與通訊相關(guān)的術(shù)語(yǔ)的平均相似度稍低，而比信息處理相關(guān)的術(shù)語(yǔ)的平均相似度要高。這與表2所示的數(shù)據(jù)是相符合的，因此表明算法1在映射術(shù)語(yǔ)的興趣類上是有效的。

七、結(jié)論

本文在引入興趣分類參考模型的基礎(chǔ)上，建立了用戶興趣樹(shù)，并把它形式化為用戶興趣向量；然后定義了興趣類、興趣特征詞集和興趣集，基于這些概念，本文提出了一個(gè)簡(jiǎn)單有效地實(shí)現(xiàn)用戶查詢到興趣類的映射算法。最后給出了該算法有效性的實(shí)驗(yàn)結(jié)果。

基金項(xiàng)目：江西省科技廳2006年科技攻關(guān)項(xiàng)目（贛科發(fā)計(jì)字（2006）185號(hào)）。

（作者單位：井岡山大學(xué)信息科學(xué)與傳播學(xué)院）

“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”