● 摘要
随着信息量的剧增，个性化信息推荐已经成为了全球的研究热点。所谓个性化信息推荐就是依据不同用户对信息的不同需求来对其提供个性化的信息服务，从而提高信息的利用率、达到共享用户资源的目的。个性化信息推荐技术具有针对性和主动性的特点。本文以个性化信息推荐中的关键技术为主要研究内容，包括：用户兴趣自动获取技术和个性化推荐技术。首先，本文研究了国内外几种主要的个性化信息推荐技术，在基于VSM（Vector Space Model）的用户兴趣模型表示方法的基础上，针对数字图书馆领域，提出一种改进的VSM用户兴趣模型表示和计算方法。该方法通过隐式跟踪用户对资源的访问行为，挖掘相关访问数据来计算用户兴趣度，从而不仅在计算用户兴趣度方面具有扩展性，而且在描述用户兴趣方面提高了精确度。其次，本文针对数字图书馆中数字资源和用户群体的特点，提出了一种自适应的个性化信息推荐方法。该方法结合了基于规则、内容和协同这三种推荐技术，可根据用户和资源的特性自动调整三种推荐技术的推荐力度。 最后应用本文提出的改进的VSM用户兴趣模型和自适应个性化推荐方法，设计并实现了个性化信息推荐原型系统。该系统已经应用于北京航空航天大学数字图书馆系统。