个性化查询论文开题报告文献综述

个性化查询论文开题报告文献综述

导读:本文包含了个性化查询论文开题报告文献综述、选题提纲参考文献,主要关键词:向量,模型,颜色,位置,关系,主题,语义。

个性化查询论文文献综述写法

Dan-yang,JIANG,Hong-hui,CHEN[1](2019)在《基于同类用户的个性化查询词自动推荐方法(英文)》一文中研究指出查询词自动推荐(queryauto-completion,QAC)通过预测查询词前缀对应的完整补全查询词帮助用户构造查询词。大多互联网搜索引擎利用用户的行为信息为用户提供个性化的查询词自动推荐列表。为提高推荐成功率,个性化的QAC方法需获取大量关于用户搜索兴趣和搜索意图的上下文信息。因此,这些方法通常受制于用户数据的稀疏性问题。本文提出利用同类用户的搜索记录解决用户数据的稀疏性问题,并提升个性化QAC方法的推荐性能。首先,通过主题模型得到用户的主题兴趣,建立每个用户的兴趣肖像,然后将兴趣肖像相似的用户聚集起来建立同类用户群。由于传统主题模型不能自动识别同类用户,提出两个同类用户主题模型,将主题建模与同类用户识别包含在同一个模型框架内。根据不同的同类用户识别方法,提供4个不同的基于同类用户的个性化QAC方法。所提个性化QAC方法通过同类用户的上下文信息和查询词的频率对补全的查询词排序。在公开的AOL查询词数据集上进行大量实验,并与不采用同类用户上下文信息的方法进行排序性能对比。实验结果显示,本文提出的基于同类用户的个性化QAC方法能有效解决用户数据稀疏性问题,并且相对于基准方法能大幅提升排序结果准确性。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年09期)

梁耀培,吴定明[2](2019)在《基于位置的个性化关键词查询推荐》一文中研究指出查询推荐是指根据用户的输入提供若干替代的查询,用户使用推荐的查询去检索,得到更多符合需求的信息.利用基于位置的关键词查询推荐所提供的替代关键词能够检索到在用户查询位置附近的信息.用户提交的关键词常是多义词且含有各自的背景偏好,采用具有个性化的推荐查询则能检索到符合用户偏好的信息.为同时满足空间位置邻近和个性化需求,提出一种基于位置的个性化关键词查询推荐方法,使推荐查询的关键词能够检索到位于用户附近且符合其偏好的信息.用关键词-文档二部图表示不同关键词查询之间的语义相似性,采用动态边权重调整策略,建立与关键词相关的文档和用户当前位置的空间关系,使用分类向量模型表示用户的兴趣爱好,应用带重启的随机漫步模型,得到与用户输入的关键词具有较高相似度的其他关键词.在AOL真实数据集上的测试结果表明,该方法为用户推荐的关键词不仅可以满足用户的信息需求,还可以检索到用户位置附近符合其偏好的文档.(本文来源于《深圳大学学报(理工版)》期刊2019年04期)

王文庆[3](2019)在《宝马车个性化定制颜色代码查询方法》一文中研究指出2016年宝马车首次在中国市场推出个性化定制(BMW Individual)服务,以满足客户日益增长的高端化、个性化的消费需求。截止到2019年3月,宝马车的定制色在宝马7系、5系、M系等车型上广范使用。这些个性化的颜色极大地提升了客户的满意度,同时也给喷漆技师在维修时带来许多困难。与普通颜色相比较,定制色的颜色维修更复杂。(本文来源于《汽车维护与修理》期刊2019年08期)

张晓娟[4](2018)在《利用嵌入方法实现个性化查询重构》一文中研究指出作为能引导用户表达信息需求的机制,查询重构主要基于用户所提交的历史查询来生成相关候选查询重构列表。为了使得候选查询能与用户最初意图保持一致,当前大多数的查询重构方法方法是根据查询词之间的共现信息来获得查询词的上下文信息,再利用上下文的相似性来生成候选查询推荐,最后通过对查询中词之间的语义一致性建模来对实现候选查询进行排序。而本文中以利用嵌入方法来实现个性化查询重构,即首先利用查询词嵌入技术为每个查询获得该词上下文信息的词向量,再利用词向量进一步构建表征用户偏好的向量,从而基于词向量与用户向量实现根据用户偏好生成候选查询;本文进一步采用主题嵌入来抽取每个潜在主题的上下文信息,最后利用隐马尔可夫模型(HMM)融合词向量、用户向量和主题向量来实现根据用户偏好对候选查询的排序。实验结果表明,本文的方法优于已有相关方法。(本文来源于《情报学报》期刊2018年06期)

李飞,张宏鸣,蔡晓妍,刘斌,郭蓝天[5](2019)在《一种改进的个性化查询引文推荐方法》一文中研究指出为充分利用文本内容的上下文信息,结合图模型及查询向量的构建方法,提出一种融合查询内容信息的个性化引文推荐方法。通过叁种论文信息构建叁层图模型,并在不同层上设置不同参数,调整节点向不同层次的跳转概率;利用word2vec技术构建的查询向量,可以有效利用文本上下文内容信息,使相似的文章在距离上更加接近,进而对候选文章进行评分预测与论文推荐。在association of computational linguistics anthology network数据集上进行计算分析,相同查询下与原有的方法相比在recall@N上平均提高约7%,在NDCG@N上平均提高约11%。实验结果表明该方法可以使引文推荐的质量得到有效的提升,能够获得较好的推荐效果。(本文来源于《计算机应用研究》期刊2019年08期)

伍璇,周栋[6](2017)在《基于多语义关系的个性化查询扩展方法》一文中研究指出随着数字内容不断增长,信息检索技术已经不能满足不同用户对高精度信息内容获取的需求.文中提出基于多语义关系的个性化查询扩展方法,并应用于基于社会化标签的个性化搜索系统.模型使用标签-主题模型对用户兴趣模型进行建模,能够更有效地表达语义和提升搜索效果.在此基础上,进一步提出基于多语义关系的个性化查询扩展方法,利用社会化标签的多重语义特征进行扩展词的选择.在大规模真实社会化标签数据集上的实验表明,文中方法优于非个性化搜索及其它基于社会化标签系统的个性化查询扩展方法.(本文来源于《模式识别与人工智能》期刊2017年11期)

张晓娟[7](2017)在《信息类、导航类与事务类查询个性化潜力的对比析究》一文中研究指出首先分别利用显式与隐式评测指标分析信息类、导航类与事务类查询的个性化潜力,然后通过对基于人工评测的显式指标与基于用户点击行为的隐式指标间的相关性分析,来验证各隐式指标的有效性。在此基础上,本文针对不同查询意图,分析各特征表征个性化潜力的有效性。最后,根据实验结果对搜索引擎性能优化提供相关建议。(本文来源于《数字图书馆论坛》期刊2017年09期)

甘佳仪[8](2016)在《面向连续查询的个性化位置隐私保护算法的研究》一文中研究指出通信技术和定位技术的不断成熟促进了基于位置服务的快速发展,为人们的生活增添了许多便捷。但是在发送请求时,用户必须向服务提供商提供自己的位置,这使得不法分子有机会获取用户的位置信息,甚至可能根据用户的位置推测出更多的敏感信息,因此在服务期间必须注意位置隐私的保护。另一方面,位置服务中隐私保护和位置服务的质量是一对矛盾,怎样在满足隐私需求的基础上,提高位置服务质量是值得研究的问题。本文对现有的位置隐私保护领域常用的体系结构和保护方法进行了深入研究,分析了当前技术存在的不足。并针对连续查询时的个性化隐私保护问题,提出根据公共用户集来计算匿名区域的隐私值,在所有匿名区域的隐私值达到用户要求之前,从各个查询所对应的匿名区域中,选择包含用户数最少的匿名区域,分别根据四叉树结构和用户移动趋势进行扩展的两种算法。在保证用户连续查询隐私需求的同时,提高用户的位置服务质量。最后利用模拟器在真实地图上完成了模拟实验。实验表明,与已有的保护方法相比,两种算法在满足用户需求的基础上,都能够有效减小用户匿名区域的平均面积,从而提高位置服务器查询效率,特别是第二种算法,在最佳的情况下平均匿名面积是对比算法的六分之一。(本文来源于《华南理工大学》期刊2016-05-03)

石雁[9](2015)在《基于查询偏好的个性化搜索引擎的研究与实现》一文中研究指出如今,高速发展的因特网为用户的生活提供便捷的同时,也不可避免的出现让用户难以获得所需信息的烦恼。对此,搜索引擎的产生为用户查询信息的方式带来了极大改变。作为一种常用的网络信息检索方式,搜索引擎已经发展为每个用户上网都离不开的重要工具,它的出现得到人们的广泛关注和使用。然而,传统信息检索工具也存在诸多不足之处。主要因为传统搜索引擎采用关键词匹配的全文检索方法,缺乏有效的对用户本身个性化信息的挖掘,从而不能有针对性的为用户提供个性化查询服务。所以在考虑和分析不同用户的信息需求的基础上,个性化搜索系统应运而生,它的出现能够在一定程度上满足用户的个性化信息需求。本文借鉴了电子商务网站中广泛采用的信息推荐技术,提出了较为可行的个性化信息推荐方案,即在用户搜索中使用查询推荐技术,以实现个性化搜索推荐。相关研究表明,用户的查询点击历史反应了用户的搜索习惯和查询偏好,所以本文对用户的历史查询数据进行深入分析,提出了用户点击模型,预测用户查询相关性并最终给出推荐。文中的研究主要集中在查询推荐上,首先根据用户的搜索点击历史数据,使用朴素贝叶斯理论训练出一个用户点击模型,根据这个点击模型对用户当前提交的查询进行分析,预测查询与链接的点击率,然后根据反向点击图模型将预测的值分配给相应查询,据此对查询进行相关度排序,将前k个最高预测值的查询推荐给用户。其次,本文在单个用户历史数据的基础上,对其进行补充,提出协同相似计算的用户查询推荐技术,将具有相同搜索行为的用户数据汇集到目标用户。该方法可以解决目标用户数据量不足的情况,另外还可以为用户提供一定的查询推荐的扩展性和新颖性。在用户的相似计算中,将每个用户的历史查询日志整合为一篇文档,使用余弦向量模型计算文档间的相似性;再使用推荐系统中的协同推荐理论,将用户对每个链接的点击频率比作为相关偏好评分,基于这些点击评分,使用改进后的欧氏距离计算用户间的相似度;最后将两种相似计算方法采用线性加权的方式整合,计算出目标用户的相似用户集,最终将采用点击模型进行查询推荐。本文最后基于查询推荐的分析,实现了一个简易的个性化搜索引擎系统。在本系统中,将相关查询推荐算法引入到了系统中,并将用户点击模型应用到网页排序上,实现了个性化的查询推荐和网页排序功能。(本文来源于《江南大学》期刊2015-12-01)

陈永强[10](2015)在《基于眼动和主题模型的个性化实时查询扩展模型的研究》一文中研究指出对于大部分用户甚至是有经验的用户来说如何形成一个较好的查询能够获得更好的搜索结果仍然被认为是信息检索(Information Retrieval)的一大难题。查询扩展往往是提高检索性能的有效方法。通过找出语义上与原始查询比较相关的词语、概念等,再结合用户的原始查询,使得扩展之后的查询能够提供更多的积极信息来从海量信息中找出与用户查询相关的文档,改善用户搜索体验。传统的查询扩展技术已经在很大程度上解决了查全率(Recall)低下的问题,但是对于查准率(Precision)上却很难去的较令人满意的结果。个性化的查询扩展部分解决了查准率较低的问题。但是传统的个性化的查询扩展往往利用用户过去的搜索数据而且很难捕捉用户在本次查询中的需求动态变化,很难实时地根据用户与搜索引擎的交互来满足用户的查询需求。眼动(Eye Movements)能够在不引起用户注意的情况下实时地捕捉到用户的注视信息,进而提供用户的实时搜索行为数据,被视为用户研究和个性化的搜索的一个全新的方向。因此,若能将眼动技术应用在当前亟待解决的个性化的查询扩展上来,将是一个全新的启发式的研究方向,具有重大意义。论文的主要研究工作分为以下几个方面:第一,对眼动(Eye Movements)在IR上的主要应用进行了概述。除了介绍眼动在IR上的应用之外,着重介绍了如何利用眼动(Eye Movements)实时捕捉用户的动态搜索数据以及如何利用捕捉之后的眼动数据来进行个性化的查询扩展。第二,介绍了主题模型与眼动(Eye Movements)的结合方法。仅仅利用捕捉到的用户的眼动(Eye Movements)数据进行个性化查询扩展词的计算,还不能够充分挖掘用户的潜在搜索意图,为此利用主题模型Latent Dirichlet Allocation(LDA)来发掘和用户查询潜在相关的查询词,提高检索成绩。第叁,建立实时查询扩展模型(Real-Time Query Expansion,RTQE)。通过创新性地结合眼动和LDA,该模型能够在用户点击若干篇文档之后,记录用户的注视数据,在用户刷新当前搜索结果界面或者点击下一页的同时根据用户若干分钟前的注视数据通过建立的RTQE模型重新对已有的搜索结果进行排序和优化,提升用户体验。(本文来源于《天津大学》期刊2015-11-01)

个性化查询论文开题报告范文

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

查询推荐是指根据用户的输入提供若干替代的查询,用户使用推荐的查询去检索,得到更多符合需求的信息.利用基于位置的关键词查询推荐所提供的替代关键词能够检索到在用户查询位置附近的信息.用户提交的关键词常是多义词且含有各自的背景偏好,采用具有个性化的推荐查询则能检索到符合用户偏好的信息.为同时满足空间位置邻近和个性化需求,提出一种基于位置的个性化关键词查询推荐方法,使推荐查询的关键词能够检索到位于用户附近且符合其偏好的信息.用关键词-文档二部图表示不同关键词查询之间的语义相似性,采用动态边权重调整策略,建立与关键词相关的文档和用户当前位置的空间关系,使用分类向量模型表示用户的兴趣爱好,应用带重启的随机漫步模型,得到与用户输入的关键词具有较高相似度的其他关键词.在AOL真实数据集上的测试结果表明,该方法为用户推荐的关键词不仅可以满足用户的信息需求,还可以检索到用户位置附近符合其偏好的文档.

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

个性化查询论文参考文献

[1].Dan-yang,JIANG,Hong-hui,CHEN.基于同类用户的个性化查询词自动推荐方法(英文)[J].FrontiersofInformationTechnology&ElectronicEngineering.2019

[2].梁耀培,吴定明.基于位置的个性化关键词查询推荐[J].深圳大学学报(理工版).2019

[3].王文庆.宝马车个性化定制颜色代码查询方法[J].汽车维护与修理.2019

[4].张晓娟.利用嵌入方法实现个性化查询重构[J].情报学报.2018

[5].李飞,张宏鸣,蔡晓妍,刘斌,郭蓝天.一种改进的个性化查询引文推荐方法[J].计算机应用研究.2019

[6].伍璇,周栋.基于多语义关系的个性化查询扩展方法[J].模式识别与人工智能.2017

[7].张晓娟.信息类、导航类与事务类查询个性化潜力的对比析究[J].数字图书馆论坛.2017

[8].甘佳仪.面向连续查询的个性化位置隐私保护算法的研究[D].华南理工大学.2016

[9].石雁.基于查询偏好的个性化搜索引擎的研究与实现[D].江南大学.2015

[10].陈永强.基于眼动和主题模型的个性化实时查询扩展模型的研究[D].天津大学.2015

标签:;  ;  ;  ;  ;  ;  ;  

个性化查询论文开题报告文献综述
下载Doc文档

猜你喜欢