融合用户兴趣的海量Web多属性数据查询算法

摘要

为了提升客户满意度，通过融合用户兴趣，进行了海量Web多属性数据查询。根据数据的属性获取Web多属性数据的主题向量，并考虑遗忘因子，动态管理用户兴趣，以更加准确地反映用户的当前兴趣。在此基础上，利用余弦相似度计算Web多属性数据特征向量与用户兴趣主题向量之间的相似度，并利用Borda计数法整合初始化查询列表和个性化查询列表，获得综合考虑用户兴趣的最终查询列表，实现个性化数据查询体验。实验结果表明：该算法可实现Web多属性数据查询，具有处理歧义性查询的能力，且随着查询次数的增加，用户满意度接近100%。说明本文算法可以根据用户的查询内容，进一步了解用户所需，并为用户提供更加精准的查询结果。

关键词

Web多属性数据 / 逆用户频率指数 / 遗忘因子 / 动态兴趣模型 / 扩展机制 / 相似度