目录 |
个性化信息检索是指根据用户的兴趣和特点进行检索.返回与用户需求相关的检索结果。它是一种能体现用户个性化特征。满足个性化需求，培养个性化趋势的检索方法。在个性化检索中.检索条目与用户查询经历有关，既可以是内容检索。又可利用与其他事件的关系来检索。即是以用户检索行为为中心的检索。[1]
1.个性化。个性化信息检索是以用户的实际需求为出发点， 以用户的个性化特征为参照.以个性化手段和方式来服务。提供个性化的资源结果。
2.智能化。个性化检索是从人的认识能力出发的检索方法，其设计离不开人工智能技术的支持.如建立用户模型、自动收集知识及系统的学习功能等。个性化检索中智能代理技术Agent用于帮助用户确定所需信息。
3.以用户为核心。个性化信息检索从信息需求的提出到检索，完全以用户为核心，用户占主导地位。具有支配权和选择权.这种自主性的特点体现在个性化检索设计上是以自然语言为接口.交互式问答、理解用户的系统。在数据库和知识库的设计上也是按用户需要而定。
1.用户建模技术。为不同的用户提供有针对性的服务，需要对用户的兴趣、习惯、历史行为等方面进行分析从而获取其个性化信息。对用户信息进行结构化描述，构建反映用户特点的需求模型.这一过程称为用户建模。用户建模是实现个性化检索服务的基础和核心。
不同的用户各自面临着互不相同的检索问题。不加区分地给不同的用户提供相同的结果，必然满足不了用户的检索需求。要提高用户的满意度，就要把握用户的特点。建立用户模型，对用户的信息、兴趣及历史查询行为进行管理，对不同用户进行不同的学习，这样就可以针对特定用户提供准确的信息。
可以通过以下三种方法建立用户模型.即手工方法、示例方法及机器学习的方法。
(1)手工方法由用户手工输入感兴趣信息的关键词，或选择感兴趣的栏目。这种方法实现起来简单，但由于完全依赖用户，容易导致用户模型不够准确。而且用这种方法建立的用户模型是静态的。不能适应用户兴趣的变化。
(2)示例方法由用户提供与自己兴趣相关的示例及其类别属性来建立用户模型。由于用户对自己的兴趣和偏好等最有发言权.因而用户提供的有关自己兴趣的示例最能集中、准确地反映用户的兴趣和偏好等特点。示例一般通过要求用户在浏览过程中对浏览过的页面标注感兴趣、不感兴趣或者感兴趣的程度来得到。浏览过的页面及相应的标注成为用户建模的示例。
(3)机器学习方法是通过对用户的浏览内容、浏览历史行为来构建用户模型。即通过对用户浏览的页面进行分析来了解用户浏览行为，通过对用户访问历史页面进行分析来了解用户偏好。用户浏览的页面可以反映用户的兴趣.对其进行聚类。就能够得到用户感兴趣的主题.从而实现自动用户建模。
2.智能Agent技术。Agent代理是指在分布式系统中持续自主地发挥作用的计算实体。由于Agent具有独立性、主动性、协作性、移动性等特点，人们常用它解决搜索引擎中个性化检索的问题。
3.个性化推送技术。信息推送技术是指依据一定的技术标准和约定， 自动从资源中选择信息.并通过一定的方式(如电子邮件1有规律地将信息传递给用户的一种技术。其实质是借助一种特殊的软件系统.该软件能够根据用户事先向系统输入的信息请求.这包括用户的个人信息档案、用户关心的信息主题、信息类型等，系统就能主动地在网上搜索出与符合用户需求的这些主题信息.并经过筛选、分类、排序，按照每个用户的特定要求.在适当的时候传递至用户指定的“地点”。