随着Internet的发展,各种信息飞速增长,人们对信息的反应速度远远低于信息的传播速度,大量无关的冗余的信息严重干扰了受众对相关有用信息的准确分析和正确选择,搜索引擎在一定程度上解决了部分问题,但仍然无法满足用户的需要,如何实现个性化服务成为人们关注和探索的热点。它根据用户的兴趣和特点,对信息资源进行收集、整理和分类,向用户提供和推荐符合其兴趣偏好或需求的信息。研究和开发个性化服务对用户快速有效的获取需要的信息有较大的应用意义,对研究用户行为与用户兴趣特征的关系有较大的理论价值。 为了实现个性化服务,理解用户兴趣就成为了提供服务的关键任务,“用户兴趣建模”技术也就成为了推荐系统的核心。本文针对传统的用户兴趣建模技术的一些不足,提出了基于综合用户信息的用户兴趣建模方法,并在此基础上提出了推荐系统的框架。 首先分析了当前个性化推荐系统及用户兴趣建模的研究现状,介绍了常用用户兴趣建模方法,对各个建模方法进行分析,论证了本文所选取的方法。然后提出了基于浏览内容、浏览时间和操作时间的用户兴趣建模方法,将VSM和SVM引入用户兴趣模型的构建。接着设计并实现了基于此模型的推荐系统,详细讲述了系统的每个部分的实现。最后对推荐系统的效果进行了分析。试验结果显示,系统较好的实现了用户感兴趣信息的推荐。