个性化移动搜索模型：基于本体的隐式用户兴趣重排

本文研究了个性化移动搜索技术，由谭磊、刘钰峰和李仁发三位作者在湖南大学计算机与通信学院共同完成。在当今互联网时代，搜索引擎作为重要的信息获取工具，随着移动技术的发展，移动搜索逐渐成为用户获取信息的新渠道。然而，与传统的桌面搜索相比，移动搜索面临独特的挑战，如用户输入短小的查询关键字导致检索歧义性，以及移动设备的硬件限制和流量计费模式等问题。 作者提出了一种基于本体的个性化搜索模型，旨在解决这些挑战。本体理论在此被应用于理解用户的个人背景和目标，通过捕捉用户的浏览历史，赋予本体概念不同的权值，形成用户的兴趣模板。这种模型能够动态调整权值，使用扩散激活算法来实时更新，以适应用户不断变化的需求。这种方法的关键在于重排名网页，根据用户兴趣对搜索结果进行个性化排序，这对于提升移动用户的体验至关重要。 在个性化策略上，研究者借鉴了PageRank权重值的个性化调整方法，一方面直接修改超链关系权重，另一方面在PageRank公式中加入反映用户偏好的修正参数。而在内容相关性方面，个性化系统通过分析用户的行为和兴趣，为每个用户提供定制化的搜索内容，增强搜索结果的相关性和用户满意度。 实验结果显示，基于本体的个性化搜索模型有效改善了移动搜索的用户体验，减少了无关结果对用户设备资源的占用和费用负担。因此，这项研究不仅提升了移动搜索的性能，还为移动搜索领域的发展提供了新的思考方向，展示了个性化技术在优化移动搜索体验方面的巨大潜力。未来的研究可以进一步探索如何更好地融合用户行为数据，挖掘用户的深层次需求，以提供更为精准和高效的移动搜索服务。