论文部分内容阅读
随着信息技术的飞速发展，网络已经成为信息传播的主要渠道，人们可以非常便捷的从网络上获取各种信息。与此同时，在日渐复杂的网络环境下，用户层次趋于多元化，用户的信息需求也呈现出专业化的特征，如何在海量的信息资源中快速准确地获取用户所需的信息已经成为研究者广泛关注的问题。用户迫切需要能满足其个体信息需求，反映个体信息特征的新的信息服务方式。
个性化信息服务的产生有效的解决了海量信息与知识匮乏之间的矛盾，能根据用户提出的明确要求提供信息服务，或通过对用户个性偏好、使用习惯的分析而主动地向用户提供其可能需要的信息。个性化信息服务促使传统信息服务的方式发生了几个转变：由被动的“人找信息”的服务转变为“信息找人”的主动服务：由单方面的信息搜集服务转变为交互式的双向沟通性服务；由传统的定题检索服务转变为智能多样化推荐服务。
随着近几年的迅速发展，个性化信息服务已经被广泛的应用到很多领域中，如个性化数字图书馆、个性化电子商务、个性化网站等。同时相关的理论研究与探讨也不断出现，个性化信息服务逐渐成为信息管理领域中的一个研究焦点，其中以能跟踪并挖掘用户潜在兴趣，主动的向用户推荐符合其需求的个性化信息推荐服务备受关注。
本文首先分析了个性化信息服务的研究背景和研究现状。用文献调研的方法对国内外相关领域的研究成果进行了定量的分析，用数据说明了国内外个性化信息服务研究的最新动态并预示了其发展趋势。介绍了个性化在不同领域中的应用情况，进而说明了个性化信息服务研究的深远意义。
在阐述个性化信息服务的理论基础之上，介绍了个性化信息服务的概念、特点与服务模式。根据开展服务方式和智能化程度的不同，将个性化信息服务分为三个层次：个性化定制服务、个性化推送服务和个性化推荐服务，并从不同层次分析了各自的工作机制与功能。
论文对使用不同推荐技术的典型的推荐系统进行了比较分析，归纳出它们各自的特点和不足，指出了个性化推荐系统在实际应用中所面临的挑战和亟待解决的问题，为今后推荐系统的发展和创新提供经验和依据。从知识管理、决策支持、隐私保护机制、智能多样化推荐这几个方面提出了个性化推荐系统的创新方向和方法。
本文研究的重点是将个性化推荐服务和决策支持进行有机的结合，使推荐信息的服务提升到能够根据用户的兴趣偏好，向用户推荐能够用于决策支持的知识服务。个性化推荐系统的关键技术有用户建模、智能代理、知识发现和Web挖掘。其中如何构建用户兴趣模型是推荐系统成功的关键，本文重点讨论了用户建模的表示和构建方法，采用以用户浏览内容和浏览行为相结合的方法建立用户兴趣模型，并同时考虑将用户长期兴趣和短期兴趣相结合。
本文的主要创新点是提出了基于决策的个性化知识推荐系统的模型，该系统模型一方面能引导用户迅速找到几种可接受的决策方案，另一方面能引导用户找到一种与用户偏好高度相关的决策方案。系统分为人机交互界面、异构资源整合、用户基本特征信息库、用户群规则库、用户兴趣模型、隐私保护机制、智能检索服务、决策任务分析器、知识库、决策中心、决策知识推荐集等几个主要模块。系统主要的特点有：1)拥有解决特定决策问题的相关领域知识；2)将用户的长期兴趣与短期兴趣相结合，采用基于用户浏览内容与用户行为的兴趣发现方法构建用户兴趣模型。3)能够推荐辅助决策的知识；4)提供交互式服务和多样化的推荐方式。系统提供多种个性化决策支持的方式：事实数据形式的决策支持：以数据、图表等形式，定量的回答对用户关于某一专业领域的提问。模型和方法决策支持：根据用户对问题求解的偏好，选用用户偏爱的决策模型和决策方法进行问题求解；决策方案形式的决策支持：针对用户的实际问题，运用关联比较、归纳演绎、规则推理等方法，给用户提供个性化的候选决策方案。