3.1.2  数字图书馆的个性化推荐系统
李秦[22]的研究指出个性化推荐技术是通过获取用户的个性化信息建立用户模型，优化网站结构并根据用户的喜好主动为不同用户推荐不同的产品，目前已在各个领域得到广泛的研究与应用。
侯治平[13]认为，个性化推荐系统是根据用户的兴趣爱好，推荐符合用户兴趣爱好的对象的系统，其中推荐算法是整个电子商务推荐系统中的最关键部分，决定着推荐系统类型和性能的优劣。
刘建国[9]认为一个完整的推荐系统应由3个部分组成：收集用户信息的行为记录模块，分析用户喜好的模型分析模块和捺荐算法模块。行为记录模块是负责记录用户的喜好行为。模型分析模块则负责通过这些用户行为的记录分析用户潜在的喜好产品和对产品的喜欢程度。推荐算法模块则利用后台的推荐算法，实时从产品集合中筛选出用户感兴趣的产品来进行推荐，同时他也认为推荐算法是推荐系统中最为核心的一部分。[9]
3.2  通过用户行为提取用户兴趣意图的方法
3.2.1  由用户主动提供
如用户在各类网站订阅的新闻、焦点，或在注册时填写的个人兴趣等信息，网站也可针对用户做一些兴趣调查的问题。[17]
3.2.2  根据用户在页面中的滞留时间
根据用户在页面中的滞留时间来确定对用户页面的兴趣[11]。
假设用户所访问的一个页面p中有n个超文本链接，其中用户访问过的超文本链分别是{H1，H2，…，Hi}，在其中逗留的时间为{T1，T2，…，Ti}，并且T(P)表示页面P根据用户的滞留时间所得到的权重。设 数字图书馆网站用户浏览行为意图兴趣捕捉研究(5):http://www.751com.cn/jisuanji/lunwen_9074.html