基于海量搜索历史数据的用户兴趣模型

摘要：

针对互联网搜索引擎环境中，基于海量搜索历史数据分析用户兴趣的问题，提出一种改进的用户兴趣模型。该模型根据用户搜索的历史数据，结合向量空间模型（ VSM ）和TF-IDF算法，递归地回溯出用户兴趣权重列表。为解决用户兴趣变化和时间性能的问题，该模型引入时间遗忘机制进行动态更新，并在Hadoop分布式系统架构下利用MapReduce分布式编程模型进行实现。实验结果表明，改进的用户兴趣模型的查准率和召回率都能达到50'，具有较好的可行性和可用性。

关键词：向量空间模型、TF-IDF、Hadoop、MapReduce、用户兴趣模型

分类号：TP391.1(计算技术、计算机技术)

资助基金：东华大学励志计划项目B201312。

在线出版日期：2014-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：126-129,139