随着互联网技术的飞速发展并逐步向社会各个领域渗透,学术文献的数字化传递变得越来越普遍,全文检索系统发展也越来越壮大。电子文献数量不断剧增而带来的信息过载现象却与人们对知识的渴望之间产生了矛盾。如何帮助用户充分利用现有的全文检索系统,从海量的电子文献中快速有效地找到所需要的文献,是当前数字化学术文献服务机构应该思考的方向。而个性化推荐正好是解决这个问题的有力途径;另一方面,全文检索系统环境也正需要推荐系统的大力支持。这是信息服务发展的必然趋势。对用户行为分析越准确,推荐算法使用越恰当,个性化推荐越有效果。所以,本文在对国内外有关用户行为兴趣建模技术和主要推荐算法的研究现状分析的基础上,针对全文检索系统的服务现状与用户的特点,提出了一个基于用户行为的全文检索系统个性化推荐模型。其主要思想是:在全文检索系统环境下,收集和使用用户隐式行为数据建立用户兴趣模型,采用一种改进的混合协同过滤算法来实现个性化推荐服务。首先,本文采用文献调查法与专家调查法,初步制定了一套全文检索系统相关反馈行为评价体系,将该体系作为收集和使用用户隐式行为数据的标准,建立“用户-文献”兴趣模型和“用户-关键词”兴趣模型;其次,在User-based协同过滤的基础上,使用基于“用户-文献”协同过滤和基于“用户-关键词”协同过滤的混合算法计算用户的兴趣相似度,并预测评分,进行相似用户推荐、文献推荐和关键词推荐;接着,在理论模型支撑下,设计并实现了一个个性化文献推荐系统(PDRS)的原型;最后,以计算机类和图书情报类的文献推荐为例,通过自然用户对原型系统的测试,本文将系统推荐结果与用户调查结果的拟合程度进行了卡方检验,实验结果表明PDRS系统的推荐结果具有较高的准确度。