互联网上电子信息的迅猛膨胀带来了信息过载问题,信息过滤技术能够帮助人们检出感兴趣的相关信息或者屏蔽非法信息。面对实时在线的网络信息过滤新挑战,自适应信息过滤只需少量的用户需求信息并在过滤过程中自主学习、自适应提高而成为人们关注和研究的热点。本文的主要工作就是研究自适应信息过滤中提高模板准确性的学习算法和过滤阈值优化的新方法。 论文给出了一种改进的自适应信息过滤模型,该模型将统计模型(向量空间模型)与概率方法(贝叶斯方法)相结合,通过在向量空间模型中对信息文本与用户需求进行向量表示和相似度计算来实现信息过滤。在需求模板的学习中运用向量中值法来构建初始的需求模板,通过增量学习伪相关反馈信息来提高需求模板的准确性。在过滤过程中以用户反馈信息为先验知识和训练数据,运用高斯指数分布和贝叶斯方法来推测文档的相关性概率,以线性效用函数最优为目标探测最优的过滤阈值。 在模型的训练阶段,本文给出了运用增量学习方法对附加的少量伪相关文档进行学习来训练需求模板的算法,采用文档词频方法来选择特征,运用Rocchio算法调整特征向量,以此提高过滤模板的准确性;在模型的测试阶段,以过滤系统效能函数最优为目标,给出了探索最优的过滤阈值的新算法。运用Rocchio算法实现系统自主地学习用户定期反馈的信息,并自适应地调整需求模板。 将该模型运用于自建的中文语料上进行相关主题的过滤测试实验,实验结果表明,利用增量学习方法和阈值优化策略,在较少的用户监督下能够有效地提高系统的过滤性能。