Труды КНЦ вып.29 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 3/2015(29))

УДК 004.5 В.В. Диковицкий Инсштут информатики и математического моделирования технологических процессов Кольского НЦ РАН СЕМАНТИЧЕСКОЕ ПРОФИЛИРОВАНИЕ ПОЛЬЗОВАТЕЛЕЙ В ЗАДАЧЕ ИНФОРМАЦИОННОГО ПОИСКА Аннотация В статье рассмотрено применение пользовательского опыта в задаче информационного поиска. Одним из возможных путей получения и учета пользовательских предпочтений является построение модели пользовате­ льских интересов в виде формализованной ментальной модели. Представлен подход, позволяющий повысить релевантность за счет автоматизированного ранжирования результатов на основе формализованной ментальной модели. Ключевые слова: Информационный поиск, формализованная ментальная модель. V.V. Dikovitsky SEMANTIC PROFILING OF USERS IN TASK OF INFORMATION RETRIEVAL Abstract The paper deals the application of the user experience in the task of information retrieval. One of the possible ways to obtain and accounting of user preferences is the construction model of user interests in the form of a formalized mental model. Presented an approach which allows increase the relevance by automated ranking of results. Keywords: information retrieval, formalized mental model. Несмотря на интенсивное развитие методов информационного поиска, малоизученным направлением является участие пользователя в процессе поиска. Роль индивидуальности пользователя относительно, как оценки результатов, так и механизма поиска информации отмечается в работах [3, 7, 8], в [3] отмечается предпочтение пользователей в доступе к информации путем информационно­ поисковых систем (ИПС), нежели прямой навигации. В [5] отмечается зависимость удовлетворения информационной потребности от эффективности ИПС, опыта и характеристик пользователя. В работах [6,7] рассмотрено вовлечение пользователя в процесс поиска, предложена концепция «human-computer information retrieval» (HCIR), включающая различные аспекты информационного поиска и человеко-машинного взаимодействия. Исследование [8] показывает, что учет неявной обратной связи в виде поведение пользователя при ранжировании результатов позволяет увеличить эффективность поиска на 21%. Одним из возможных путей получения и учета пользовательских предпочтений является построение модели пользовательских интересов. В [9] предложено использовать модель пользователя, полученную на основе опроса пользователя для оптимизации информационного поиска мультимедиа-файлов. 54