基于用戶(hù)推薦質(zhì)量的服務(wù)推薦方法研究.pdf

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(zhǎng)，人們面臨嚴(yán)重的信息過(guò)載問(wèn)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(wèn)題。推薦系統(tǒng)在解決信息過(guò)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(wèn)題。如何在評(píng)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(wèn)題。針對(duì)上述問(wèn)題，將信任引入推薦系統(tǒng)。信任不僅可以作為用戶(hù)間評(píng)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(méi)有關(guān)聯(lián)的用戶(hù)關(guān)聯(lián)起來(lái)?，F(xiàn)有的基于信任的推薦算法在候選推薦用戶(hù)搜索階段直接使用經(jīng)典的圖遍歷或隨機(jī)遍歷算法，沒(méi)有考慮大規(guī)模數(shù)據(jù)對(duì)算法的影響。在度量候選推薦用戶(hù)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(hù)間的距離來(lái)度量信任值，忽略了用戶(hù)間偏好的相似性對(duì)信任程度的影響。還有一些算法根據(jù)用戶(hù)間評(píng)分?jǐn)?shù)據(jù)的某種相似性確定用戶(hù)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(méi)有考慮信任的領(lǐng)域相關(guān)性。
　　針對(duì)上述問(wèn)題，本文主要工作如下：(1)為縮小候選推薦用戶(hù)的搜索范圍，對(duì)譜聚類(lèi)算法NJW進(jìn)行改進(jìn)以聚集出服務(wù)偏好相似用戶(hù)集。考慮到服務(wù)運(yùn)行環(huán)境對(duì)服務(wù)評(píng)價(jià)的影響，通過(guò)迭代方法從服務(wù)偏好相似用戶(hù)集中聚集出運(yùn)行環(huán)境相似的用戶(hù)集；(2)為提高候選推薦用戶(hù)的搜索效率，提出基于集散節(jié)點(diǎn)的用戶(hù)搜索方法，在聚類(lèi)生成的類(lèi)簇中搜索用戶(hù)作為候選推薦用戶(hù)集；(3)提出了用戶(hù)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(hù)推薦能力的指標(biāo)。QoR的屬性包括了評(píng)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(guò)信息熵方法來(lái)確定。最后，依據(jù)用戶(hù)歸屬于類(lèi)簇的隸屬度，按比例從相應(yīng)類(lèi)簇中選擇QoR值高的候選推薦用戶(hù)組成推薦用戶(hù)集，將預(yù)測(cè)評(píng)分高的服務(wù)推薦給用戶(hù)。
　　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(duì)冷啟動(dòng)用戶(hù)的推薦、評(píng)分覆蓋率以及