● 摘要
随着网络信息的迅速发展，巨大的海量信息充斥着整个网络，不仅信息量庞大，而且结构变得更加复杂，用户在查找信息的同时往往会迷失方向，难以找到自己所需的信息或服务。如何帮助用户在大量的信息空间中快速、准确的找到其感兴趣的信息已经成为网络信息时代面临的一个主要问题，在此背景之下，个性化服务技术应运而生，得到了越来越多的研究者的关注，并在电子商务、数字图书馆、远程教育等领域进行了大量实践和应用，成为这些领域发展过程中的一个重要组成部分。但是，随着个性化系统规模的不断扩大，个性化服务技术也面临着一些技术挑战。针对个性化服务技术面临的主要挑战，论文对个性化服务领域相似度的计算方法、用户聚类算法、用户兴趣度的评估问题和个性化服务系统的体系结构进行了探索和研究。本文的主要研究内容包括对相似度计算方法、用户聚类算法、用户兴趣度的评估和个性化服务系统体系结构的研究。本文研究并提出了一种新的相似度计算方法。通过分析传统的相似度计算方法存在的问题，论文提出了一种新的相似度计算方法，该算法综合考虑了两个用户共同评价的资源数目、用户在共同评价过的资源上评分的接近程度和用户向量之间的夹角三个因素。试验表明：该算法在相似度计算的准确性、决策支持精度、覆盖率方面都要优于传统的相似度计算方法，尤其是在数据极端稀疏的情况下，这种优越性表现更加明显。本文在分析个性化服务领域常用聚类算法——基于划分的聚类算法的基础之上，提出了一种新的用户聚类算法，该算法是一种稳定的聚类算法，因此，在实践中具有很好的实用价值；同时算法在相似度的计算方面，不再单纯依靠各种距离函数，因此扩大了聚类对象的分布范围，而不再局限于“类球形”。试验表明该算法相比之下具有较好的聚类质量。本文分析了目前关于用户兴趣度评估的主要方法，对其进行改进，并提出了一种基于用户行为的多因素用户兴趣度评估方法。该方法通过综合用户的点击次数、用户的停留时间和页面字节数三个因素来共同分析用户对资源感兴趣的程度。试验表明，该方法和传统的单因素用户兴趣度评估方法相比，取得了较好的效果。本文结合课题依托项目国家科技基础条件平台门户应用系统的特定需求，提出并设计了个性化服务系统的体系结构，采用基于J2EE的技术框架和Portlet的资源展现技术实现了该系统。