卢 洋，石元博

（辽宁石油化工大学 计算机与通信工程学院，辽宁 抚顺 113001）

据 国 际 数 据 公 司 (International Data Corporation, IDC)估计，到2020 年，所有创建、复制和消费的数字数据将达到40 Zb[1]。信息量爆炸式的增长使人们对在海量数据中查找更加符合自己要求的信息更为渴望。完成个性化搜索、提高用户对搜索结果的满意度，是信息检索的主要任务。

在信息检索过程中，网页排序算法尤为重要。作为谷歌的重要网页排序算法，PageRank 算法是由Google 创 始 人B.Sergey 和P.Lawrence 于1998 年 提出的一种网页排名算法[2]。但是，PageRank 算法在其提出过程中并没有考虑用户的个性化需要[3]。因此，对PageRank 算法进行改进，使其能完成个性化搜索成为许多研究者所关注的问题。王冲等[4]构建用户兴趣度因子，同时结合主题相关度因子对网页PageRank 值进行修正。黄贤英等[5]利用用户搜索历史记录网页浏览时间以及同类用户协同过滤这些基于用户兴趣度的主观特性来改进PageRank 算法。Y.Tang 等[6]设计了一种通过用户点击率修正参数的个性化PageRank 算法，从而提高检索结果的排序质量。其他许多研究者也做了类似改进，不过此种改进方法大多偏重用户的网页停留时间、点击率等浏览信息，并不能全面系统地描述用户的兴趣。

本文引入用户画像（User profile）这一在个性化推荐领域常用的方法来建立一个相对完整的用户兴趣度描述模型，提高用户对搜索结果的满意程度。用户画像是基于大数据开展精准营销的核心，王硕慜等[7]提出了一种基于节目标签和用户标签的个性化推荐算法，此算法以电视节目与电视用户具有的特点为基础来建立用户画像。……