The invention is applicable to the field of cloud computing technology, and provides a personalized recommendation system and method for cloud services based on sparse linear method. The method includes: S1, receiving personalized requirement Pk submitted by cloud user Ui, i.e. selecting some most important attributes; S2, historical evaluation data based on cloud user Ui in evaluation database, acquiring cloud users'personalized requirement Pk. Each cloud service J score; S3, recommend cloud service with the highest score to cloud user Ui. The Individualized Recommendation Method for cloud services provided by the invention has the following beneficial technical effects: 1. Individualized requirements can be precisely and flexibly defined; 2. The deviation between individualized needs and individualized needs of cloud users can be obtained by learning relevant historical data, and the recommendation results can be predicted based on the deviation, so as to make the recommendation results more accurate.
【技术实现步骤摘要】
一种基于稀疏线性方法的云服务个性推荐系统及方法
本专利技术属于云计算
,提供了一种基于稀疏线性方法的云服务个性推荐系统及方法。
技术介绍
自2006年Google提出“云计算”概念以来,云计算以其易于扩展、按需存储、弹性计算等优点在全球迅速发展。近年来,阿里,百度、Google等相继提出云服务,随着各大运营商不断地将各种计算资源和存储能力等以基础设施即服务(Infrastructure-as-a-Service,IaaS)、平台即服务(Platform-as-a-Service,PaaS)和软件即服务(Software-as-a-Service,SaaS)等形式发布到网络中,网络中出现越来越多的云服务,带来信息超载问题。面对众多功能性属性相同而非功能性属性各异的云服务,用户难以快速地选择出满足自己个性化需求的云服务[1],因此,如何在复杂的云计算环境下,在海量的云服务之中,为用户快速的推荐满足用户个性化需求的云服务是一个值得深入研究的问题。近年来,关于云服务推荐的算法提出了很多,常见的几种推荐算法有:①协同过滤推荐算法,这是使用最为广泛的一种推荐方法。这类方法分为基于用户/项目的协同过滤法和基于模型的协同过滤。基于用户/项目的协同过滤方法是利用用户对项目的使用经验计算来发现相似的用户/项目,再利用相似用户/项目进行推荐,如出了一种基于比率相似值的计算方法,通过比较用户当前使用的服务和相似服务的属性值来推荐,如一种基于用户偏好的协同过滤算法,这类方法一般推荐速度很好但准确率不够;基于模型的协同过滤是利用机器学习和统计方法从已有的评分中学习得到模型,再利 ...
【技术保护点】
1.一种基于稀疏线性方法的云服务个性化推荐系统,其特征在于,所述系统包括:云客户端,云评价中心,及云推荐中心;云客户端与云评价中心、以及云推荐中心通讯,其中,云客户端:用于向云推荐中心提交个性化需求、及基于使用过的云服务向云评价中心反馈云服评价;云评价中心:对云用户反馈的云服务评价进行解析,获取云服务在个性化需求下的评分,并将上述数据更新至评价数据库;云推荐中心,针对云用户的提交的个性化需求,基于评价数据库内的评价数据向云用户推荐云服务。
【技术特征摘要】
1.一种基于稀疏线性方法的云服务个性化推荐系统,其特征在于,所述系统包括:云客户端,云评价中心,及云推荐中心;云客户端与云评价中心、以及云推荐中心通讯,其中,云客户端:用于向云推荐中心提交个性化需求、及基于使用过的云服务向云评价中心反馈云服评价;云评价中心:对云用户反馈的云服务评价进行解析,获取云服务在个性化需求下的评分,并将上述数据更新至评价数据库;云推荐中心,针对云用户的提交的个性化需求,基于评价数据库内的评价数据向云用户推荐云服务。2.如权利要求1所述基于稀疏线性方法的云服务个性化推荐系统的推荐方法,其特征在于,所述方法包括如下步骤:S1、接收用云用户Ui提交的个性化需求Pk,即选择若干最为看重的属性;S2、基于云用户Ui在评价数据库中的历史评价数据,预测云用户在个性化需求Pk下针对各云服务J的评分;S3、向云用户Ui推荐评分最高的云服务。3.如权利要求2所述基于稀疏线性方法的云服务个性化推荐方法,其特征在于,所述步骤S2具体包括如下步骤:S21、计算云用户Ui针对已评分云服务Jh在个性化需求Pk下与无个性需求下的评分偏差来计算评分偏差矩阵D;S22、基于评分偏差矩阵D及稀疏聚合矩阵W,来预测云用户Ui在个性化...
【专利技术属性】
技术研发人员:张佩云,叶金勇,徐鸽,谢杰敏,
申请(专利权)人:安徽师范大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。