传统的检索过程对用户不加区分,采用相同的处理过程,返回相同的结果。随着信息检索技术的发展,人们对检索系统有了更高的要求,希望能得到更加符合个人需求的检索结果。因此,“个性化检索”引起了人们的重视,现在成为了新一代检索的发展趋势。个性化检索不仅考虑了用户的不同,根据用户的兴趣定制个性化检索结果,用来提高检索的准确度。实现个性化的检索关键是获取用户的兴趣的,有效的表示兴趣,并能够根据用户兴趣反馈更新个性化的检索结果。
1、 人机交互
人机交互是通过系统和用户老获取用户的兴趣,利用性格反馈技术逐步优化检索的结果。显然,个性化效果依赖于相关反馈的人机交互过程。根据用户的参与程度可以分为用户参与与无用户参与两种
A、 用户参与:用户主动向系统提供自己的兴趣,明确的指出自己的兴趣等。这种方式获取的用户信息具有较高的质量,歧义较少。但是对用户的要求很高,要求用户能理解反馈的目的,耐心的参与系统运作
B、 无用户参与:这种方式并不是不需要用户和系统的交互,而是不需要用户显示的说明自己的兴趣。系统将统计用户使用系统的各种行为,从中发现用户的兴趣。
2、 用户兴趣模型
用户兴趣模型的作用是进行用户的个性化分析,以产生个性化文件。Agent通过分析用户的日志信息,自定义感兴趣信息以及相关反馈,挖掘用户兴趣,从而构建用户兴趣模型,产生个性化文件。个性化文件能够随着用户查询的请求反馈实现动态更新变化,用来自适应学校用户兴趣。
3、 个性化推荐
个性化推荐是一种个性化过滤机制,将信息(推荐空间)与个性化文件匹配,实现个性化过滤,向用户推荐个性化检索结果。个性化推荐技术主要分为基于规则的系统和信息过滤系统两种。信息过滤有可以分为基于内容的过滤系统和协作过滤系统、
A、 基于规则的系统:这种系统根据用户的静态特征和动态特征定制一套规则,规则定义了在不同情况下如何提供不同的服务。优点:实现简单,操作直接。缺点:规则质量很难保证,不易动态更新。随着规则的增多,系统将难以管理。
B、 基于内容的过滤系统:根据资源内容与用户兴趣的相似程度实现信息的过滤。优点:实现简单,推荐内容符合资源特征。缺点:难以区分资源内容的语义。此外,由于过滤系统是依据用户兴趣产生,因此不能为用户发现新的感兴趣资源。
协作过滤系统:是根据用户之间的相似性过滤信息,实现由用户寻找用户。优点:能为用户发现新的感兴趣信息。缺点:系统初期未获得充足样本,系统很难发现相似用户,随着用户和资源的增加,性能又会下降。