基于搜索结果的Web预取模型研究

摘要：

目前搜索引擎返回的信息太多且难以根据用户的兴趣提供检索结果,而个性化推荐是一种旨在减轻用户在信息检索方面负担的有效方法.文中把内容过滤技术和文档聚类技术相结合,以改进的STC聚类方法组织搜索结果,主动推荐用户感兴趣的文档并将其中的Top-N对象预取到本地. WWW缓存中的Web文档代表了用户当前的兴趣,通过建立用户概率兴趣模型,在搜索结果STC聚类的基础上进行内容过滤.实验表明,基于搜索结果的Web预取模型具有较好的时间性能和较高的查准率.

关键词：搜索结果、聚类、概率模型、Web预取、个性化推荐

所属期刊栏目：44

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60472044;河南省信息网络重点开放实验室基金2006

在线出版日期：2008-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：377-382