论文部分内容阅读
随着个人信息内容的不断丰富和信息量的增长,日益艰巨的信息管理已成为知识工作者需要解决的重大课题,在已有资源中迅速高效地重新发现信息就是其中一个重要的研究方面。由于个人信息具有多样性、分散性、缺乏有效的组织结构等特点,目前的基于内容检索的个人信息管理系统已经很难满足用户的检索要求。本文旨在提出一种基于个人信息内容、信息活动和应用情景等多个上下文关系的新型的信息重新发现模式,用于弥补已有方法的不足。本文的研究工作主要包括以下几部分:
首先。明确个人信息重新发现、个人信息上下文情景等关键概念,整理和分析个人信息重新发现系统的组织结构以及利用个人信息上下文情景的关键技术。总结当前个人信息管理系统的特点及不足之处。
其次,针对知识工作者对个人信息重新发现的需求及当前系统存在的不足,提出了基于多个上下文情景的个人信息的关联模型。关联模型包含用户在拳地和网络创建的六类信息资源,同时建立了基于层次、标签、线性和应用环境等的上下文关系。新模型不但包含了丰富的信息资源,而且充分体现了信息间的各种关系,为检索提供了依据。
再次,以信息关联模型为基础,充分利用用户通过记忆片段实现记忆再认的回忆方式,设计了基于简单情景和复合情景两种类型的多个检索机制,以满足用户不同的检索要求。
最后,根据上述关联模型和检索机制搭建CB-PIR(Context-BasedPersonalInformationRe-finding)实验系统,通过实验对基于上下文的个人信息重新发现模型的有效性进行验证。
论文中所提出的个人信息重新发现模型的设计和实验具有以下创新性:将用户的网络信息获取到本地进行管理,并与本地信息建立信息关联:使用Neo4j图形关系数据库存储信息:集成多种信息重新发现机制对内容检索进行补充。
通过以上研究,形成了一套个人信息重新发现的可行解决方案,探索出一条基于上下文的个人信息重新发现的有效技术路线,达到了预期的研究目标,为今后实际应用奠定了良好基础。