利用關(guān)鍵詞序列得到的用戶事務(wù)模式經(jīng)過聚類以后，形成了表達(dá)用戶個性化信息需求的不同模式特征。和關(guān)鍵詞序列相比，聚類后的用戶事務(wù)模式顯然具有更少的數(shù)量和更明確的個性化特征，所以使用此用戶事務(wù)聚類模式就可以進(jìn)行下一步的個性化信息推薦活動。

目前搜索引擎中常見的個性化信息推薦方式主要有兩種：一種是查詢改進(jìn);一種是個性化網(wǎng)頁權(quán)重。前者主要是利用改變用戶實際搜索的關(guān)鍵詞內(nèi)容來表達(dá)用戶的個性化信息需求，而后者主要是根據(jù)網(wǎng)頁權(quán)重對結(jié)果網(wǎng)頁進(jìn)行排序來表達(dá)用戶的個性化信息需求�；�于個性化網(wǎng)頁權(quán)重的推薦方法和基于查詢改進(jìn)的推薦方法相比，具有很多優(yōu)勢，主要表現(xiàn)在以下幾個方面：

一是經(jīng)過實踐證明，諸如PageRank等網(wǎng)頁權(quán)重值是一種較為有效反映網(wǎng)頁客觀重要性的指標(biāo)，同時相應(yīng)算法具有技術(shù)易行性。

二是算法主要解決了網(wǎng)頁客觀重要性的評價問題，可以在網(wǎng)頁相關(guān)度排序上發(fā)揮作用。也就是說，該算法能夠?qū)�滿足用戶個性化要求的網(wǎng)頁放在結(jié)果網(wǎng)頁集合的最前端。事實上，這更有助于用戶得到所需的個性化信息。

最后，相關(guān)的網(wǎng)頁權(quán)重計算工作無需在線進(jìn)行，只需利用離線階段的存儲數(shù)據(jù)即可計算，從而能夠有效節(jié)省用戶查詢所需要的時間開銷。

基于個性化網(wǎng)頁權(quán)重的推薦算法思想是在傳統(tǒng)的網(wǎng)頁權(quán)重算法基礎(chǔ)之上，通過合理地修改和添加其中使用的具體參數(shù)，以表達(dá)不同用戶的個性化需求特征，從而計算出不同用戶所特有的網(wǎng)頁權(quán)重值，并在用戶查詢時，利用這個值來計算網(wǎng)頁的相關(guān)度和優(yōu)先級。

較為常見的個性化網(wǎng)頁權(quán)重方式為個性化PageRank方法。傳統(tǒng)的PageRank是一種用于查詢結(jié)果網(wǎng)頁的相關(guān)度排序技術(shù)，它通過網(wǎng)頁問的鏈人和鏈出關(guān)系來計算不同網(wǎng)頁的權(quán)重值，并據(jù)此來實現(xiàn)網(wǎng)頁排序。這種算法目前已有多種衍生類型，主要目的都是著眼于對結(jié)果做進(jìn)一步的信息表達(dá)。其中，最為常見的做法是使用個性化PageRank向量來表達(dá)不同用戶的個性化信息需求，并使用此向量計算網(wǎng)頁的相關(guān)度，從而產(chǎn)生針對特定用戶的個性化搜索結(jié)果。

個性化PageRank算法主要依據(jù)個性化PageRank向量來使結(jié)果網(wǎng)頁產(chǎn)生對特定用戶的偏好特性。其中，很多算法都是以基于Web的圖論算法為基礎(chǔ)的，最為常見的模型有馬爾可夫模型等。對于馬爾可夫模型，人們已經(jīng)提出了很多不同的具體類型，如一階馬爾可夫鏈模型、高階馬爾可夫鏈模型和混合馬爾可夫鏈模型等。其中，一階馬爾可夫鏈模型雖然能對序列依賴給出一個簡單的描述方法，但是它沒有考慮網(wǎng)絡(luò)沖浪行為的長效記憶特征;高階馬爾可夫鏈模型能夠更加準(zhǔn)確地預(yù)測導(dǎo)航路徑，但是它也會隨著維度增多而產(chǎn)生覆蓋度和計算復(fù)雜性的權(quán)衡問題，且這種復(fù)雜模型通常要求相當(dāng)大的訓(xùn)練集;混合馬爾可夫鏈模型組合了各階的馬爾可夫模型，在預(yù)處理和訓(xùn)練的時候也需要更多的資源。

顯然，此處的算法和選用的模型是相關(guān)的，要根據(jù)對簡易性和正確性的權(quán)衡情況來決定所選模型類型，甚至是一些其他模型，這些其他模型多半采用基于樹狀導(dǎo)航圖結(jié)構(gòu)的數(shù)據(jù)挖掘算法，如聚類、序列模型挖掘、頻繁項挖掘等。

現(xiàn)在人們提出的個性化PageRank方法雖然有很多，但是主要分為兩大類：一類是直接修改基于超鏈關(guān)系得到的網(wǎng)頁權(quán)重值;另一類是在傳統(tǒng)PageRank公式上添加修正參數(shù)來反映用戶的個性化要求。(思億歐網(wǎng)絡(luò)科技www.seo.com.cn)

標(biāo)簽： 關(guān)鍵詞 網(wǎng)頁權(quán)重 方法研

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。