基于人工神经网络的个性化检索模型

3 检索模型核心算法
3． 1 BP 神经网络核心算法
本检索模型是以 BP 神经网络为基础构建的，BP 神经网络通常由输入层，若干隐含层和输出层组成［9］，
经实验证明，多层神经元并不会使结果更优化，反而增
加了计算的复杂度，因此采用标准三层结构，假设输入
单元个数为 q，一层隐含层中神经元的个数选为 n，获
60 ·LIBRARY AND INFORMATION SERVICE·
＞＞
第 55 卷 第 2 期 2011 年 1 月
即固定权值。同时通过检索词找到检索词特征模型与 用户特征模型矩阵中的对应元素相乘作为神经网络的 输入，经过神经网络计算获得“输出 2 ”，即可变权值。 两项结果经过一定的加权处理，得出最终的智能化检 索结果。图 2 中虚线部分为检索系统的计算部分。
人工神经网络是由大量简单元件相互连接而成的 复杂网络［6］，具有高度的非线性，是能够进行复杂的逻 辑操作和非线性关系实现的系统［7］。BP 神经网络算 法是目前应用最多的神经网络，能学习和存储大量输 入—输出模式映 射 关 系，而 无 需 事 先 了 解 描 述 这 种 映 射关系的数学方程。只要能提供足够多的学习样本模 式供 BP 神经网络进行学习训练，它便能完成由 n 维输 入空间到 m 维输出空间的非线性映射［8］。
j
（ 5）dPj 表示对第 p Nhomakorabea个输入模式输出单元 j 的期望输
出。
根据 E 对权值 w 进行修正：
wji （ t + 1） = wji （ t） + ηδPj oPi
（ 6）
权值修正是在误差反向传播过程中逐层完成的。
由输出层修正各输出单元的连接权值，再由上式计算
相连隐含层单元的误差量，并修正隐含层单元连接权
在个性化检索模型中，用户特征模型，也叫用户模 型，包括人口统计学的信息也包括某一特定用户的兴 趣和偏好。用户模型按时间可分为长期模式和短期模 式。长期模式表示一定时期内相对稳定的用户兴趣， 主要记录了用户的基本特征，如性别、年龄等。短期模 式用来记录用户最近的、快速变化的兴趣，主要记录用 户的兴趣偏好［4］。用户模型的结构可结合 folksonomy （ 公众分类法） 分类方案建立，之后转化成可计算的数 字形式，以一维数组来表示，可用前面若干个元素记录 用户长期特征，后面若干个元素记录用户的短期特征， 数组的每一个元素为 0 到 1 的浮点值（ 不包括 0 与 1） ， 可写作： C［c1 ，c2 ，c3 ……cq ］。例如： c1 代表性别，当 c1 无限接近 1 时说明用户为男性，当 c1 无限接近 0 时说 明用户为女性。如果 c1 = 0． 2，说明用户有 20% 的可 能性是男性，80% 的可能性是女性。
2． 2 个性化检索模型构建 神经网络完成自学习训练后，便成为具有智能的
网络系统，可 以 为 检 索 提 供 个 性 化 结 果 。根 据 设 计 思 想，可建构个性化检索模型如图 2 所示：
图 2 个性化检索模型 图 2 中，输入值为“用户特征”与“检索词”两项， 其中检索词输入直接以传统搜索方式获得“输出 1”，
取 n 的公式为：
n = q2 2
（ 1）
作用函数为非线性的 Sigmoid 型函数，其表达式为：
f（ x）
=
1
1 + e－x
（ 2）
训练样本集包括 m 个样本模式（ xP，yP ） 。对第 p 个训练样本 P = （ 1，2，…m） ，单元 j 的输入综合记为
aPj ，输出记为 oPj ，则有：
n
＞＞
第 55 卷 第 2 期 2011 年 1 月
基于人工神经网络的个性化检索模型
徐恺英1 王 硕1，2 张 射3 常 改1
1 吉林大学管理学院 长春 130022 2 吉林工程技术师范学院职业教育学院 3 海军大连舰艇学院 大连 116018
长春 130052
〔摘要〕针对网络信息检索需求的日益提高，利用人工神经网络算法构建一种个性化智能检索模型，使搜索引擎 能为用户提供个性化检索服务，并通过仿真实验验证该模型的可行性和有效性。实验结果表明，该模型可有效提 高搜索的准确率。 〔关键词〕个性化检索 人工神经网络 用户特征 〔分类号〕G354． 2 TP391． 3
∑ apj =
wji opj
（ 3）
i =0
opj = f（ apj ）
=
1
1 + e －apj
（ 4）
应用公式（ 4） 获得神经网络的计算结果，即检索
模型中的“输出 2”，要实现神经网络的自学习，则需要
进一步的误差计算。对每个输入模式 p，网络输出与
期望输出误差为：
∑ ∑ E =
Ep =
p
1 2
（ dpj － opj ） 2
图 1 BP 神经元网络结构 当用户以某一检索词进行检索时，系统将该用户 特征模型与该检索词特征模型各对应元素相乘，作为 神经网络的输入值（ 见图 1） ，输出值即为某一被检索 页面的可变权值。将其与传统算法得出的固定权值以 一定的计算方式加权，得出最终权值，作为检索的排序 依据，不同用户因其用户特征模型不同，即使使用相同 的检索词，仍得到不同的检索结果，实现具有智能特征 的个性化检索。
收稿日期： 2010 － 08 － 06 修回日期： 2010 － 09 － 29 本文起止页码： 59 － 63，102 本文责任编辑： 王传清
59
＜＜ 情报研究
户参与，提 供 个 性 化 检 索 结 果，系 统 实 现 起 来 较 难。 Ahu Sieg 指出有效的个性化信息访问包括两个重要问 题： 准确地识别用户的背景和以匹配特定背景的方式 组织信息［4］。
检索词特征模型是为了体现检索需要与用户特征
的对应关系而设定的，每一检索词都有其特征模型，也 以一维数组表示，元素的个数、形式与用户特征模型相 同，可写做： K［k1 ，k2 ，k3 ……kq ］。每一元素代表的意 义与用户特征模型一一对应，例如： 当 c1 代表性别时， k1 也代表性别，k1 越接近 1，代表性别对该检索词的影 响越大。如图 1 所示：
〔Abstract〕In this paper，a new method of personalized retrieval based on algorithm of ANN（ Artificial Neural Network） is established to meet the growing demand for search． The method which can make search engines more intelligent and more personalized tries to provide the best search results． And the applicability and efficiency of the model are tested in some level． The result showes that it can improve search results effectively． 〔Keywords〕personalized retrieval artificial neural network user feature
对于检索的结果，可判断其是否有效，如判定某项 结果有效，便可将检索结果反向输入进行神经网络的 自学习，修正各层神经元的权值，使神经网络的智能化 程度随着系统的使用不断提高。
其中，用户模型数据主要有两种获得途径： ①直接 通过技术手段获得，无需注册便可获得的信息； ②无法 直接获得的信息，需要用户注册或采用客户端插件实现 的数据收集。用户特征的主要信息参数有： 用户的 IP、 浏览器信息、用户来源信息、检索方式、常用关键词等。 检索词特征模型则以 0． 5 为初始化值。随着用户对系 统的不断使用随时搜集和调整用户模型与检索词特征 模型信息，当判定检索结果有效时，便可根据本次所搜 集的信息调整用户特征模型以及检索词特征模型各元 素值，实现 用 户 特 征 模 型 与 检 索 词 特 征 模 型 的 动 态 调 整。因所建立的数据模型为有限个元素构成的一维数 组，数组元素均为 0 到 1 的浮点值，即使对数据长期积 累，也只是数值的修改，数据量本身并不发生变化，可在 不牺牲数据库存储量的情况下，大大提高检索效率。
有人提出构建个人兴趣模型，记录用户检索的历 史信息数据集，并 以 此 为 基 础，结 合 用 户 新 的 提 问，推 理出最能代表用户意图的类别，把该类别作为检索时 的背景信息指 导 检 索 工 具 的 搜 索［5］，但 却 面 临 着 信 息 量庞大，运行一段时间后，系统无法承受的问 题。另 外，对历史信息有效性的认定，也存在一定的困难。
本文采用误差反向传播算法，即 BP 神经网络算法 构建个性化智能检索模型，其思想是建立用户特征模 型与检索词特征模型，作为输入信号，由神经网络为被 链接页面计算出针对用户个人的可变排序权值，并将 这种可变的权值与传统检索应用的固定权值相结合， 得到一个新的排序权值，从而呈现给用户独一无二的、 符合其需求的检索结果，但不会产生庞大的数据量，在 有限数据不断调整的情况下，实现个性化检索。 2． 1 设计思想
ANN-based Personalized Retrieval Method Xu Kaiying1 Wang Shuo1，2 Zhang She3 Chang Gai1
1 Management School of Jilin University，Changchun 130022 2 Vocational Education School of Jilin Teachers’Institute of Engineering ＆ Technology，Changchun 130052 3 Dalian College of Naval Ships，Dalian 116018