一种基于众包的top-N服务再推荐方法及系统技术方案

本发明专利技术涉及一种基于众包的top‑N服务再推荐方法及系统，包括以下步骤：S1、确定标注者对象；S2、向标注者对象发布推荐任务，通过众包平台向标注者对象发布推荐任务，并接收标注者对象标注后的标注结果V

【技术实现步骤摘要】
一种基于众包的top-N服务再推荐方法及系统
本专利技术涉及计算机
，尤其涉及一种基于众包的top-N服务再推荐方法及系统。
技术介绍
随着信息技术的发展，信息量的膨胀，很多用户在面临决策时所面对的信息不是太少而是太多，用户常常会面对大量的信息而束手无策，迷失在大量的信息空间中。在此背景下，服务推荐技术应运而生，并迅速得到发展。传统的top-N推荐提供的是比较通用性的服务，没有捕捉到用户个性化的需求，所以推荐的准确率较低，无法满足用户的实际需求。众包通过整合计算机和互联网上未知的大众来完成机器单独难以处理的任务。自2009年开始，众包得到各个领域的广泛关注。而众包的真值推理这块也是广发研究者的热门方向之一。在众包真值推理方法中，有很多方法均是基于EM算法思想，通过假设结果已知，反求条件，不断迭代计算得到最终的真值。其中，DS是最为经典的一种基于EM的真值推理算法，但DS算法仅考虑到标注者的质量，用一个混淆矩阵表示标注者的标注准确率，DS算法默认所有的实例权重和难度均是一样的，这也就导致了准确率较低的问题。而通过众包本文档来自技高网...

【技术保护点】
1.一种基于众包的top-N服务再推荐方法，其特征在于，包括以下步骤：/nS1、确定标注者对象；/nS2、向标注者对象发布推荐任务，通过众包平台向标注者对象发布推荐任务，并接收标注者对象标注后的标注结果V

【技术特征摘要】
1.一种基于众包的top-N服务再推荐方法，其特征在于，包括以下步骤：
S1、确定标注者对象；
S2、向标注者对象发布推荐任务，通过众包平台向标注者对象发布推荐任务，并接收标注者对象标注后的标注结果Vik得到top-N服务列表，并获取标签真值的指示变量；
其中，Vik表示第k个标注者给服务实例i标注的值；
S3、基于获取的标签真值的指示变量，获取信息增益；
S4、在得到信息熵的基础上，获取混淆矩阵边缘概率Pj的估计值，计算估计结果；
S5、判断估计结果是否收敛到预设的阈值，如果估计结果收敛到阈值，则根据估计结果获取最终的k个服务列表，如果估计结果未收敛到预设的阈值，则返回步骤S4。


2.根据权利要求1所述的基于众包的top-N服务再推荐方法，其特征在于，所述步骤S1包括：
S11、从服务商获取根据相似度计算得到的与活跃用户相似的用户；
S12、获取服务商作出的top-N推荐列表，在top-N推荐列表中寻找使用过c个服务列表中服务的用户；
S13、将使用过top-N个服务列表中服务的用户与S11中服务商提供的用户合并成标注者集合，W＝{wk|k＝1，2，3...，K}作为众包的标注者对象。


3.根据权利要求2所述的基于众包的top-N服务再推荐方法，其特征在于，所述步骤S2包括：
S21、将推荐任务发布到众包平台上；
S22、接收众包标注者在限定时间内回答问题的答案得到标注结果Vik，并进行整理得到top-N服务列表；
S23、利用公式(1)计算估计top-N服务列表中服务实例i的标签真值的指示变量ZijN的初始值；其中，



其中，i为服务实例，Vik表示第k个标注者给服务实例i标注的值，X为区分服务实例是推荐列表中还是标注者自定义的服务集合；cj代表类别标签值，每个服务实例属于一个类别标签，cj∈J；J为类别标签集合，
T*i为标签真值的指示变量ZijN的初始值,根据T*i计算出初始指示变量Z*ij；
所述计算出初始指示变量Z*ij的方法为：针对实例i，对每个标签j，如果j是它的标签真值的指示变量，则ZijN＝1，否则为0，得到初始指示变量Z*ij。


4.根据权利要求3所述的基于众包的top-N服务再推荐方法，其特征在于，所述步骤S3包括：
S31、根据公式(2)计算服务实例i属于标签j的信息熵H(j)：



其中，ZijN为服务实例i的标签真值的指示变量，此时为第一次迭代,ZijN即为Z*ij；为标注者k标注实例i为标签l的次数；I为服务实例的集合；
S32、根据公式(3)计算在服务i属于top-N推荐列表或标注者自定义的服务条件下的条件熵：



其中，x为区分服务实例是推荐列表中还是标注者自定义的服务；
S33、利用公式(4)计算信息增益；
IG(j)＝H(j)-H(Y|X)(4)
其中，IG(j)为信息增益。


5.根据权利要求3所述的基...

【专利技术属性】
技术研发人员：王庆人，朱程程，张以文，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34