【技术实现步骤摘要】
一种基于服务多粒度属性的潜在用户推荐方法
本专利技术属于服务计算
，具体涉及一种基于服务多粒度属性的潜在用户推荐方法。
技术介绍
随着Web2.0时代的深入发展，人们已身处一个更加注重交互的互联网环境。人们不再单纯的站在信息获得者的角度，而是有了更强的参与性，以自身习性影响和改变着互联网信息。此外，信息聚合导致互联网信息不断的积累，使得用户选择个性化需求的信息变得越来越困难。推荐系统是建立在数据挖掘之上的一门技术，根据对海量数据的分析，能够给用户推荐具有个性化的决策和相关信息。例如，当当网可以根据读者的阅读习惯为读者提供各种类型的书籍；网易云音乐可以根据用户的听歌记录推荐不同风格的乐曲；快手和抖音短视频可以根据用户点赞和双击的情况分析出用户的偏好，从而推荐给用户感兴趣的视频；美团网可以根据用户用餐地点、时间、人数、口味等为用户推荐喜欢的餐厅及套餐等等。可以看出，推荐系统正根深蒂固的存在于我们生活的各个角落。但是，随着人们日益增长的个性化服务需求和冗余的、干扰的信息过载之间的矛盾越来越明显，特别是推荐系统中常见的数据稀疏、冷启动等问题，如何为用户进行有效推荐仍...
【技术保护点】
1.一种基于服务多粒度属性的潜在用户推荐方法，其特征在于：所述的基于服务多粒度属性的潜在用户推荐方法包括：对服务原始数据集中的每个服务包含的类型标签信息进行聚类，依据聚类结果找到目标服务所属类簇；对所述服务原始数据集中的每个服务包含的类型标签信息进行相似性计算，选择所述目标服务的邻居服务；分别对所述目标服务所属类簇和所述领居服务进行分析计算，通过计算得到用户对服务属性的评分预测；依据所述评分预测进行排序，将潜在用户推荐给目标服务。
【技术特征摘要】
1.一种基于服务多粒度属性的潜在用户推荐方法，其特征在于：所述的基于服务多粒度属性的潜在用户推荐方法包括：对服务原始数据集中的每个服务包含的类型标签信息进行聚类，依据聚类结果找到目标服务所属类簇；对所述服务原始数据集中的每个服务包含的类型标签信息进行相似性计算，选择所述目标服务的邻居服务；分别对所述目标服务所属类簇和所述领居服务进行分析计算，通过计算得到用户对服务属性的评分预测；依据所述评分预测进行排序，将潜在用户推荐给目标服务。2.根据权利要求1所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：所述聚类是基于服务包含的类型标签对服务进行k-means聚类，将包含类似服务类型的服务聚类为包含共性类型的服务类簇。3.根据权利要求2所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：找到所述目标服务所属共性类型的服务类簇，每个用户对所述服务类簇内所有服务的评分数据表示所述目标服务的粗粒度属性，每个用户对所述类簇内所有服务的评分均值表示用户对所述目标服务的粗粒度评分；所述服务的评分均值计算公式如下：其中，Pc(ru,i)为用户u对目标服务i的粗粒度属性预测评分，ru,j为用户u对服务j的评分，C为目标服务i所属类簇，|C|表示类簇中用户u有评分的服务个数。4.根据权利要求3所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：所述目标服务的所属类簇内所有服务评分均值表示所述目标服务的粗粒度属性预测评分；根据服务包含的类型标签信息，通过k-means聚类对所有服务进行聚类，找到所述目标服务所属类簇，用所述类簇内所有服务评分均值表示目标服务的粗粒度属性预测评分，所述粗粒度属性预测评分计算公式如下：其中，Pc(ru,i)为用户u对目标服务i的粗粒度属性预测评分，ru,j为用户u对服务j的评分，C为目标服务i所属类簇，|C|表示类簇中用户u有评分的服务个数。5.根据权利要求4所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：所述相似性计算是基于jaccard系数对服务进行相似性计算，根据计算结果，选择与所述目标服务相似度top-50个服务作为所述目标服务的邻居服务；所述top-50表示相似度排名前50个服务。6.根据权利要求5所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于...
【专利技术属性】
技术研发人员：李征，段垒，杨伟，李鑫，袁科，刘春，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南,41
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。