在线群体交互的影响模型及其学习算法

田永鸿1高文1黄铁军2

1.中国科学院计算技术研究所; 2.中国科学院大学;

摘要：

在线群体交互有助于数字图书馆发挥其服务人类需求的潜力,但如何量化在线群体交互对个人信息访问方面的影响还有待进一步研究.该文用隐Markov模型(HMM)来建模交互用户的状态序列及其相应的信息搜索行为,并基于影响模型理论提出了一个在线群体交互影响模型来分析用户在从数字图书馆选择资料和搜索所需信息时的相互影响.为满足本应用问题中增量模型学习的需要,文章还从耦合隐Markov模型(CHMM)学习算法引申出基于梯度的方法来进行在线群体交互影响模型参数的训练.实验结果显示,本文所提出的模型和算法能较准确地刻画在线群体交互对个人信息访问行动的影响.

关键词：社群数字图书馆、在线群体交互、影响力模型、耦合隐Markov模型、基于梯度的学习方法

所属期刊栏目：26

分类号：TP399(计算技术、计算机技术)

资助基金：中美数字化图书馆项目

在线出版日期：2003-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：848-858