个性化检索与推荐系统

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。