基于用戶推薦質(zhì)量的服務(wù)推薦方法研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,滿足相同功能屬性而具有不同非功能屬性的候選服務(wù)呈爆炸性增長,人們面臨嚴(yán)重的信息過載問題。同時(shí),在利益驅(qū)使下網(wǎng)絡(luò)上出現(xiàn)大量的虛假服務(wù)和虛假反饋,如何鑒別和挑選可信的服務(wù)和反饋也是服務(wù)使用者面臨的問題。推薦系統(tǒng)在解決信息過載方面已經(jīng)取得了很大的成功,但也存在著數(shù)據(jù)稀疏、冷啟動(dòng)等問題。如何在評分?jǐn)?shù)據(jù)稀疏的情況下獲得滿意的推薦成為推薦系統(tǒng)的亟待解決的問題。針對上述問題,將信任引入推薦系統(tǒng)。信任不僅可以作為用戶間評價(jià)相似度的

2、補(bǔ)充,同時(shí)其具有的傳遞性也可以將原本沒有關(guān)聯(lián)的用戶關(guān)聯(lián)起來?,F(xiàn)有的基于信任的推薦算法在候選推薦用戶搜索階段直接使用經(jīng)典的圖遍歷或隨機(jī)遍歷算法,沒有考慮大規(guī)模數(shù)據(jù)對算法的影響。在度量候選推薦用戶推薦能力階段,很多算法基于布爾型信任關(guān)系,忽略了信任的可度量性。一些算法僅根據(jù)用戶間的距離來度量信任值,忽略了用戶間偏好的相似性對信任程度的影響。還有一些算法根據(jù)用戶間評分?jǐn)?shù)據(jù)的某種相似性確定用戶間信任值,這種方法不適合在數(shù)據(jù)稀疏情況下進(jìn)行。另外,

3、現(xiàn)有的算法大多沒有考慮信任的領(lǐng)域相關(guān)性。
  針對上述問題,本文主要工作如下:(1)為縮小候選推薦用戶的搜索范圍,對譜聚類算法NJW進(jìn)行改進(jìn)以聚集出服務(wù)偏好相似用戶集??紤]到服務(wù)運(yùn)行環(huán)境對服務(wù)評價(jià)的影響,通過迭代方法從服務(wù)偏好相似用戶集中聚集出運(yùn)行環(huán)境相似的用戶集;(2)為提高候選推薦用戶的搜索效率,提出基于集散節(jié)點(diǎn)的用戶搜索方法,在聚類生成的類簇中搜索用戶作為候選推薦用戶集;(3)提出了用戶推薦質(zhì)量(Quality of Rec

4、ommendation,QoR)的概念,并以此作為衡量候選推薦用戶推薦能力的指標(biāo)。QoR的屬性包括了評價(jià)相似度、領(lǐng)域信任值、領(lǐng)域相關(guān)度和親密程度,各屬性的權(quán)重通過信息熵方法來確定。最后,依據(jù)用戶歸屬于類簇的隸屬度,按比例從相應(yīng)類簇中選擇QoR值高的候選推薦用戶組成推薦用戶集,將預(yù)測評分高的服務(wù)推薦給用戶。
  文中采用Epinions網(wǎng)站的真實(shí)數(shù)據(jù)Epinions數(shù)據(jù)集,設(shè)計(jì)了實(shí)驗(yàn)從算法的精確度、對冷啟動(dòng)用戶的推薦、評分覆蓋率以及

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論