應用使用者回饋資訊於個人化搜尋之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：57

、訪客IP：18.222.44.167

姓名

許天錫(Tien-hsi Hsu) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

應用使用者回饋資訊於個人化搜尋之研究
(The research of applying User Feedback Information in Personalization search)

相關論文

★ 信用卡盜刷防治簡訊規則製作之決策支援系統	★ 不同檢索策略之效果比較
★ 知識分享過程之影響因子探討	★ 兼具分享功能之檢索代理人系統建構與評估
★ 犯罪青少年電腦態度與學習自我效能之研究	★ 使用AHP分析法在軟體度量議題之研究
★ 優化入侵規則庫	★ 商務資訊擷取效率與品質促進之研究
★ 以分析層級程序法衡量銀行業導入企業應用整合系統(EAI)之關鍵因素	★ 應用基因演算法於叢集電腦機房強迫對流裝置佈局最佳近似解之研究
★ The Development of a CASE Tool with Knowledge Management Functions	★ 以PAT tree 為基礎發展之快速搜尋索引樹
★ 以複合名詞為基礎之文件概念建立方式	★ 利用使用者興趣檔探討形容詞所處位置對評論分類的重要性
★ 透過半結構資訊及使用者回饋資訊以協助使用者過濾網頁文件搜尋結果	★ 利用feature-opinion pair建立向量空間模型以進行使用者評論分類之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

科技的日新月異與網際網路的快速發展，使資訊的交流傳遞迅速且越來越廣泛，人們透過網際網路取得其所需之資訊已成為日常生活的一部分，而網際網路搜尋引擎為現今快速獲取得資訊之重要工具，但所搜尋到的網頁不僅在網頁數量過於龐大，更常是與使用者需求不符之結果。因此，個人化搜尋之需求也因應而生。
本研究主要利用使用者搜尋網頁時回饋之相關與非相關文件，建置使用者興趣檔與字詞集合，並以字詞集合針對使用者興趣檔與新進文件進行字詞權重調整，最後將使用者興趣檔與新進文件進行相似度比對，以分辦新進文件是符合使用者所需之文件。
實驗結果證實，本研究提出之方法比只對使用者興趣檔進行字詞權重調整之檢索效益好。因此，本研究提出之方法，可協助使用者在使用網際網路搜尋引擎時，更準確、快速的找到使用者所需之網頁文件。

摘要(英)

With the rapid development of Internet, web search engine has become an important tool for retrieving information. However, the explosive growth of information on Internet always causes the user to face information-overload. To reduce the effort on information searching, personal search is required.
In this research, we apply the relevance feedback information to construct term sets with different term characteristics. Then, adjust the weight of the terms in the user profile and the retrieved document by checking the term sets. By comparing the similarity between the user profile and the retrieved document, we could better recognize whether the retrieved document fits the user’s request

關鍵字(中)

★ 使用者興趣檔
★ 相關回饋
★ 個人化搜尋

關鍵字(英)

★ relevance feedback
★ user profile
★ personalized search

論文目次

第一章　緒論 1
第一節　研究背景與動機 1
第二節　研究目的 2
第三節　研究範圍與限制 3
第四節　研究流程 3
第五節　論文架構 4
第二章　文獻探討 5
第一節　資訊檢索 5
第二節　相關回饋 8
第三節　字詞敏感度 10
第四節　使用者興趣檔 12
第五節　相關回饋應用相關研究 14
第三章　系統設計 16
第一節　網頁分析器 18
第二節　內文分析器 18
第三節　字詞集合建置器 20
第四節　文件特徵建置器 22
第五節　相似度計算 25
第四章　實驗分析 26
第一節　開發工具與實驗環境 26
第二節　實驗設計與流程 27
第三節　實驗結果與分析 29
第四節　實驗討論 35
第五章　結論 36
第一節　研究結論與貢獻 36
第二節　未來研究方向 37
參考文獻 38

參考文獻

英文文獻
[1] Baeza, R., & Ribeiro, B. Modern information retrieval. Practical Comparison, , 214–215.
[2] Balabanovic, M. (1997). An adaptive web page recommendation service. Proceedings of the First International Conference on Autonomous agents, New York, U.S.A., February 1997, 378-385.
[3] Belkin, N. J., & Croft, W. B. (1992). Information filtering and information retrieval: Two sides of the same coin? Communications of the ACM, 35(12), 29-38.
[4] Chou, S., & Chang, W. (2009). The identification of distinguishing term characteristics from relevance feedback. Online Information Review, 33(4), 745-760.
[5] Desjardins, G., & Godin, R. (2000). Combining relevance feedback and genetic algorithms in an internet information filtering engine. RIAO'2000 Conference Proceedings, , 2 12-14.
[6] Frakes, W. B., & Baeza-Yates, R. (1992). Information retrieval: Data structures & algorithms Prentice Hall Englewood Cliffs, NJ.
[7] Halpin, H., & Lavrenko, V. (2009). Relevance feedback between hypertext and semantic search. Workshop on Semantic Search at the 18th International World Wide Web Conference (WWW 2009).
[8] Kim, H. R., & Chan, P. K. (2008). Learning implicit user interest hierarchy for context in personalization. Applied Intelligence, 28(2), 153-166.
[9] Koster, C., & Beney, J. (2007). On the importance of parameter tuning in text categorization. Perspectives of Systems Informatics, , 270-283.
[10] Liu, F., Yu, C., & Meng, W. (2002). Personalized web search by mapping user queries to categories. Proceedings of the Eleventh International Conference on Information and Knowledge Management, 558-565.
[11] Maes, P. (1994). Agents that reduce work and information overload. Communications of the ACM, 37(7), 30-40.
[12] Moschitti, A. (2003). A study on optimal parameter tuning for rocchio text classifier. Advances in Information Retrieval, , 546-547.
[13] Mulvenna, M. D., Anand, S. S., & Büchner, A. G. (2000). Personalization on the net using web mining: Introduction. Communications of the ACM, 43(8), 122-125.
[14] Nanas, N., Uren, V., & De Roeck, A. (2003). Building and applying a concept hierarchy representation of a user profile. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Informaion Retrieval, 198-204.
[15] Nick, Z. Z., & Themis, P. (2001). Web search using a genetic algorithm. IEEE Internet Computing, 5(2), 18-26.
[16] Onoda, T., Murata, H., Yamada, S., & CRIEPI, T. Non-relevance feedback document retrieval based on one class SVM and SVDD. International Joint Conference on Neural Networks, 2006. IJCNN'06, 1212-1219.
[17] Pazzani, M. J., Muramatsu, J., & Billsus, D. (1996). Syskill & webert: Identifying interesting web sites. Proceedings of the National Conference on Artificial Intelligence, 54-61.
[18] Porter, M. F. (1997). An algorithm for suffix stripping, Program, 1980, vol. 3, pp. 130-137.
[19] Robertson, S. E., Walker, S., & Beaulieu, M. (1999). Okapi at TREC-7: Automatic ad hoc, filtering, VLC and interactive track. NIST SPECIAL PUBLICATION SP, , 253-264.
[20] Rocchio, J. J. (1966). Document Retrieval Systems: Optimization and Evaluation, Unpublished doctoral dissertation ed. Cambridge, MA, USA: Harvard University, 1966.
[21] Salton, G., & Lesk, M. (1968). Computer evaluation of indexing and text processing. Journal of the ACM (JACM), 15(1), 36.
[22] Salton, G., & McGill, M. J. (1983). Introduction to modern information retrieval McGraw-Hill New York.
[23] Speretta, M., & Gauch, S. (2005). Personalized search based on user search histories. The 2005 IEEE/WIC/ACM International Conference on Web Intelligence, 2005. Proceedings, 622-628.
[24] SUGIMOTO, M. (1999). User modeling and user-adaptive interaction. user modeling and adaptive interaction in information gathering systems. Journal of Japanese Society for Artificial Intelligence, 14(1), 25-32.
[25] Trajkova, J., & Gauch, S. (2004). Improving ontology-based user profiles. Proceedings of RIAO, , 4 380-389.
[26] Yu, C., Luk, W., & Cheung, T. (1976). A statistical model for relevance feedback in information retrieval. Journal of the ACM (JACM), 23(2), 286.
網站部分
[27] Sullivan, D.,( 2004). The order you are, the more you want personalized search. Available at http://searchenginewatch.com/searchday/article.php/3385131
[28] Yahoo!搜尋引擎再升級。民96年10月，取自：http://mmdays.com/2007/10/03/yahoo_search_upgrade/

指導教授

周世傑(Shih-chieh Chou)

審核日期

2010-7-26

推文