基于人工神经网络的个性化检索模型

基于人工神经网络的个性化检索模型

ID:34510015

大小:419.32 KB

页数:6页

时间:2019-03-07

基于人工神经网络的个性化检索模型_第1页
基于人工神经网络的个性化检索模型_第2页
基于人工神经网络的个性化检索模型_第3页
基于人工神经网络的个性化检索模型_第4页
基于人工神经网络的个性化检索模型_第5页
资源描述:

《基于人工神经网络的个性化检索模型》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、>>第55卷第2期2011年1月基于人工神经网络的个性化检索模型11,231徐恺英王硕张射常改12吉林大学管理学院长春130022吉林工程技术师范学院职业教育学院长春1300523海军大连舰艇学院大连116018〔摘要〕针对网络信息检索需求的日益提高,利用人工神经网络算法构建一种个性化智能检索模型,使搜索引擎能为用户提供个性化检索服务,并通过仿真实验验证该模型的可行性和有效性。实验结果表明,该模型可有效提高搜索的准确率。〔关键词〕个性化检索人工神经网络用户特征〔分类号〕G354.2TP391.3ANN-basedPersonalizedRetrievalMetho

2、d11,231XuKaiyingWangShuoZhangSheChangGai1ManagementSchoolofJilinUniversity,Changchun1300222VocationalEducationSchoolofJilinTeachers’InstituteofEngineering&Technology,Changchun1300523DalianCollegeofNavalShips,Dalian116018〔Abstract〕Inthispaper,anewmethodofpersonalizedretrievalbasedonalg

3、orithmofANN(ArtificialNeuralNetwork)isestablishedtomeetthegrowingdemandforsearch.Themethodwhichcanmakesearchenginesmoreintelligentandmorepersonalizedtriestopro-videthebestsearchresults.Andtheapplicabilityandefficiencyofthemodelaretestedinsomelevel.Theresultshowesthatitcanim-provesearc

4、hresultseffectively.〔Keywords〕personalizedretrievalartificialneuralnetworkuserfeature泛化(或推广)能力强,为用户提供更符合其目标的检1引言索结果。随着网络信息的日益膨胀,在检索过程中,如何探2个性化检索模型测现代用户需求,提供最能满足用户意图的个性化检索结果成为当前信息检索技术中急需解决的课题。当前使用的搜索引擎基本是采用一定的算法(例[1]目前对人工智能与人工神经网络(ArtificialNeural如:Google使用的PageRank算法),确定被检索页面Network,简

5、称ANN)的研究已较为广泛,但将人工智的排序权值,以相对固定的顺序将检索结果呈现给检能中的神经网络算法应用于个性化搜索引擎的相关研索用户,缺乏个性化和针对性。究还十分有限,在国内外关于个性化检索的研究中,应而个性化检索是指搜索引擎主动或被动地搜集用用BP神经网络算法进行检索结果个性化处理的研究户的特征、偏好、兴趣等属性信息,并以此建立用户模较少,分析原因主要是由于人工神经网络对计算的硬型,在检索过程中将用户检索词匹配和用户模型匹配[2]件要求极高,运算速度较慢,实现困难。近年来,随着结合起来,反馈用户所需特定信息的过程。个性化云计算技术的发展和神经网络专业硬件设备

6、的开发,可以分为显式的个性化和隐式的个性化,前者是指在使利用神经网络算法提供个性化智能检索成为具有实用户参与下的个性化检索,在检索时用户可进行检索践性和创新性的研究方向。本文以BP神经网络算法分类选择,这种形式已经在商业系统如Yahoo!、Seruku[3](Back-PropagationNeuralNetwork)为基础构建个性化Toolbar、Furl中使用了数年,后者是指通过分析用户检索模型,在应用过程中实现动态学习和动态跟踪,且的兴趣、特征等相关的个性化信息,无需或尽量减少用收稿日期:2010-08-06修回日期:2010-09-29本文起止页码:59-

7、63,102本文责任编辑:王传清59<<情报研究户参与,提供个性化检索结果,系统实现起来较难。的对应关系而设定的,每一检索词都有其特征模型,也AhuSieg指出有效的个性化信息访问包括两个重要问以一维数组表示,元素的个数、形式与用户特征模型相题:准确地识别用户的背景和以匹配特定背景的方式同,可写做:K[k1,k2,k3……kq]。每一元素代表的意[4]组织信息。义与用户特征模型一一对应,例如:当c1代表性别时,有人提出构建个人兴趣模型,记录用户检索的历k1也代表性别,k1越接近1,代表性别对该检索词的影史信息数据集,并以此为基础,结合用户新的提问,推响越大。如图1

8、所示:理出

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。