在微观经济学中，为消费者的购买欲望，反映消费者的主观愿望。其为理想竞争市场的一个限制因素[35]。一方面，消费者要尽量满足自己的愿望和需要；另一方面，他又受到购买力的约束。消费者的购买力取决于他的收入水平以及市场的物价水平。在上述的情况下，消费者的选择则取决于他对各种商品和服务的偏爱喜好，也就是偏好。
2.2.3  兴趣
兴趣通常指人们因为个人工作原因或自身喜好所表现出来的对某类事物或活动的偏爱。
2.2.3  兴趣、行为、意图之间的关系
行为是人的外在表现，兴趣意图是引发行为的内在因素，兴趣引发行为动机，意图表现为行为倾向。我们可以通过外在的行为来推测用户可能的行为倾向，即用户可能去做什么，以便进一步推测出引发这种行为动机背后的用户真正的兴趣。
3  文献综述
3.1  数字图书馆个性化服务系统
3.1.1  数字图书馆的个性化搜索系统
龚俊[14]认为个性化搜索引擎是根据不同客户的个人特点对相同关键字返回不同结果的搜索系统。
个性化搜索引擎的核心是个性化搜索算法。文振威[17]提出的个性化搜索系统是为了设计能检索Internet信息，跟踪、提取不同用户的兴趣，并根据此对不同用户提供不同的、基于各自兴趣的搜索结果，具有一定的智能性的搜索引擎。该系统主要功能如下：
(1)收集网页信息，并可定制网页范围，为获得的网页信息建立索引；
(2)能收集不同用户信息，为每一个用户建立自己独特的兴趣信息；
(3)能根据不同用户的兴趣信息，进行信息筛选和排列；
(4)能根据不同用户的点击情况，收集用户兴趣，并决定个性化计算的权重；
(5)性能高，可进行分布式的扩展，利于大型搜索的应用；
(6)易于使用，且具有良好的跨平台性、扩展性和应用性。
文振威[17]提出的这个系统最终可形成一个完整的模块包，可以直接集成数字图书馆，进行相关的搜索工作。[17]
唐晓玲[15]提出了基于主题的个性化检索模型，用户的兴趣模型由用户的主题偏好表示，利用主题敏感的Page Rank算法和用户的主题偏好相结合的方式对检索结果进行排序，以期为用户提供更快速、有效的个性化信息服务。
在个性化搜索系统中，捕获用户兴趣的基础。文振威[17]提出以下两个方法：
客户端软件跟踪：通过搜集用户浏览文档，收发邮件，上网历史，IE临时文件夹，收藏夹等方面的信息，并于服务器端交互。为了减少用户个人信息的外泄，采用根据搜集到的关键词出现的概率计算其所带信息量，即其信息熵，并设定阅值来控制熵的暴露范围。
服务器端的跟踪学习与信息挖掘。由于在服务器段所能获得的用户的信息量较少，一般来说主要是监视用户的信息搜索与浏览过程等使用习惯来获取用户的兴趣信息。服务器通过对用户查询行为和点击行为来进行记录、统计、数据挖掘来实现的。也就是说，服务器根据用户兴趣向用户发送从因特网搜集来的信息后，服务器对用户在返回的信息集合中筛选、浏览等过程进行实时监控。
文振威[17]在服务器端跟踪学习和信息挖掘的方法进行用户兴趣的提取，主要是跟踪用户查询的关键词和对于基于此关键词所得结果的浏览情况来提取其中的关键词，记录最近访问时间，并及时更新用户的兴趣文档。
在更新的过程中，由于关键词文度的限制，对于每一个用户的profile文档，都建立了与之想对应的备份文档，并设定关键词出现次数的粒度和关键词词数的上限，用以淘汰profile文档中出现次数较低的关键词和很久没有出现过的关键词，并将backup文档中出现次数最多的关键词更新进profile文档，即采用cache的LRU更新算法来对profile文档进行更新。 数字图书馆网站用户浏览行为意图兴趣捕捉研究(4):http://www.youerw.com/jisuanji/lunwen_9074.html