【技术实现步骤摘要】
一种实现服务推荐的方法、装置、计算机存储介质及终端
本文涉及但不限于服务推荐技术,尤指一种实现服务推荐的方法、装置、计算机存储介质及终端。
技术介绍
随着面向服务结构和云计算的发展与普及,无数的服务被开发者们发布到互联网上,这些服务能够给消费者们带来广泛的选择。然而,正是因为服务的数量巨大,仅靠人工的方法很难从海量的服务中选择个性化的高质量的服务。在这种情况下,服务推荐技术应运而生,它被视作一个用来解决当前面临的信息过载的重要工具。许多的服务推荐方法都是基于协同过滤,一般可学习的协同过滤模型能够将用户和服务转化为一个向量化的表示,然后基于用户和服务的嵌入表示重建它们的历史交互行为。然而,由于个人的服务调用数据有时候十分稀疏以及冷启动问题的存在,协同过滤的精度并不理想。得益于社交媒体的发展,越来越多的面向服务的系统开始集成社交功能,例如:亚马逊(Amazon)和易贝(eBay)等。传统的全球广域网(Web)服务系统平台的上的用户开始能够建立社交联系;在上述服务平台之上,用户倾向于与社交朋友分享自己的服务偏好。因此,一个用户的服务偏好不仅能够从他的服务调用历史中进行推断,同样也受用户的社交联系影响。然而,把社交联系集成进入服务推荐中并不是一件简单的任务,特别是当涉及到高阶的社交关系的影响时,因为用户的偏好可能不仅被他们自己的朋友影响,还可能受他们的朋友的社交联系影响。根据社交联系的相关理论,使用高阶的社交联系来描述这一在大多数服务推荐系统中都存在的普遍现象;一个服务系统平台上的高阶社交联系包含以下两种层面:1、高 ...
【技术保护点】
1.一种实现服务推荐的方法,包括:/n对社交网络中的用户,基于用户的关联社交网络建立用户的社交相似性;/n根据建立的社交相似性确定用户的服务偏好;/n根据获得的用户的服务偏好进行服务推荐;/n其中,所述关联社交网络由所述社交网络中与用户连接的邻居组成的网络。/n
【技术特征摘要】
1.一种实现服务推荐的方法,包括:
对社交网络中的用户,基于用户的关联社交网络建立用户的社交相似性;
根据建立的社交相似性确定用户的服务偏好;
根据获得的用户的服务偏好进行服务推荐;
其中,所述关联社交网络由所述社交网络中与用户连接的邻居组成的网络。
2.根据权利要求1所述的方法,其特征在于,所述基于用户的关联社交网络建立用户的社交相似性之前,所述方法还包括:
通过图的广度优先遍历BFS,从所述社交网络中获得用户的所述关联社交网络。
3.根据权利要求1所述的方法,其特征在于,所述基于用户的关联社交网络建立用户的社交相似性,包括:
将用户的所述关联社交网络表示为关联社交网络邻接矩阵;
转化所述关联社交网络邻接矩阵为拉普拉斯矩阵;
将所述关联社交网络中的每一个用户的嵌入表示映射到预设维度的空间中,获得预设维度的嵌入表示矩阵;
对所述嵌入表示矩阵和所述拉普拉斯矩阵进行图卷积,获得所述用户在所述关联社交网络中进行预设次数传播的每一次传播的用户表示;
拼接获得的用户的预设次数传播的所述用户表示,获得用户的所述社交相似性。
4.根据权利要求3所述方法,其特征在于,所述获得用户在关联社交网络中进行预设次数传播的每一次传播的用户表示,包括:
通过以下图卷积处理,获得用户在所述关联社交网络中进行第一次传播时的所述用户表示为:
用户在关联社交网络中进行第l次传播的用户表示为:
其中,所述表示用户i的所述关联社交网络邻接矩阵对应的所述拉普拉斯矩阵;所述I表示单位矩阵;Wself和为待定参数;所述d0和dl表示所述嵌入表示矩阵的维度,所述表示Wself和Winter的维度范围为d0×dl;所述Ei为用户i的所述嵌入表示矩阵,所述表示用户i的所述关联社交网络中第n个邻居对用户i的嵌入表示;所述所述表示所述Ei(l)的维度范围为(L+1)×dl。
5.根据权利要求4所述的方法,其特征在于,所述获得用户的所述社交相似性Ei*,包括:
Ei*=Concat(Ei,Ei1,Ei2,…,Eil)Wr;
其中,所述*表示拼接的结果;所述Concat()表示对括号中的用户表示进行拼接;所述Wr表示对Concat(Ei,Ei1,Ei2,…,Eil)进行线性变换处理。
6.根据权利要求1~5任一项所述的方法,其特征在于,所述确定用户的服务偏好,包括:
计算用户的...
【专利技术属性】
技术研发人员:范玉顺,韦淳于,林浩哲,
申请(专利权)人:清华大学,
类型:发明
国别省市:北京;11
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。