智能信息系统可根据用户提供的背景知识和查询实例，应用归纳学习方法，建立用户分类模型。假设每个用户实例包括用户名、职业、学历、使用的专业概念、交互方式、系统经验等属性，在收集实例时，应识别重要的属性，减少次要的属性个数，删除无用条件，并给每个属性赋予重要程度值。
如此处理，不仅提高了学习的经济性(减少了存储空间与计算量)，而且可避免学习处理的错误导向。对于获取用户分类模型的任务来说，用户实例中的专业概念和系统经验是最重要的属性，他们描述了用户的领域知识水平和应用系统的技能。
对每个实例的属性赋予重要程度值后，应用实例归纳学习方法(不同于简单的统计)，可以判别哪些用户是专家，哪些用户是无经验的新手，以建立用户分类模型，并在查询实用过程中，逐步精练，直到满足所期望的要求为止。
分享到:
閱讀更多 AI科技生活 的文章
