论文部分内容阅读
随着计算机用户个人信息量日益扩大，如何帮助用户在系统中快速找到所需资源已成为当前智能交互行为模型的重要课题。设计用于协助用户查找资源的智能工具可以缩短用户在个人信息系统中寻找信息的时间。本文以智能资源推荐桌面工具IRRDT(Intelligent Resource Recommendation Desktop Toolkit)为实例，对个人资源管理中的智能信息推荐进行了探讨。本文的主要创新点包括：
以个人计算机用户为研究对象，以资源(文档、网页等)的访问时间序列为核心数据，构建了资源推荐系统的用户模型。该用户模型由群体用户的共性特征和单独用户的个性特征共同描述。其中，群体用户的共性特征由用户对计算机资源的操作倾向的两条规则表示。单独用户的个性特征则包括资源的访问轨迹模型、活动轨迹模型和用户兴趣模型，其中，用户兴趣模型是对访问轨迹模型和活动轨迹模型的总结。
针对用户兴趣模型的表达，本文设计了模型中的两个向量——同时访问比率和互切计数的计算方法，利用它们可以完成资源间的关联距离的计算。关联距离是对用户概念中的资源相关性的描述，是用户兴趣的映射，从一定程度上反映了用户的概念模型。资源间的关联距离可以直接被应用到资源推荐中去。
基于用户兴趣模型及关联距离算法，本文设计实现了智能资源推荐桌面工具IRRDT。IRRDT可以实时而简便地向用户推荐与当前工作环境最为相关的资源，从而为用户节省查找时间。用户实验对IRRDT的有效性进行了客观的衡量。实验结果表明，IRRDT的资源推荐与单纯向用户呈现访问历史的方式相比可以为用户节约更多的资源查找开销。