[发明专利]一种基于稀疏线性方法的云服务个性推荐系统及方法有效
申请号: | 201811345729.7 | 申请日: | 2018-11-13 |
公开(公告)号: | CN109255079B | 公开(公告)日: | 2021-09-28 |
发明(设计)人: | 张佩云;叶金勇;徐鸽;谢杰敏 | 申请(专利权)人: | 安徽师范大学 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06Q50/10;H04L29/08 |
代理公司: | 芜湖安汇知识产权代理有限公司 34107 | 代理人: | 方文倩 |
地址: | 241000 安徽省*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 稀疏 线性 方法 服务 个性 推荐 系统 | ||
本发明适用于云计算技术领域,提供了一种基于稀疏线性方法的云服务个性化推荐系统及方法,该方法包括: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,获取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。本发明提供的基于稀疏线性方法的云服务个性化推荐方法具有如下有益技术效果:1.可以精准且灵活地定义个性化需求;2.通过学习的相关历史数据来获取云用户在各个性化需求下与无个性需求下的偏差,基于偏差来进行预测,使得推荐结果更为精准。
技术领域
本发明属于云计算技术领域,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。
背景技术
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,再利用此模型对项目评分进行预测,由此得到项目推荐,这类方法性能相对较好,但是其常见的问题时难以理解或者有些潜在因素不能很好地解释;②基于内容的推荐方法,其思路是:利用项目本质特征的描述和用户的历史记录,为用户推荐其未使用的项目中与历史记录项目相似程度最高的项目。此种方法缺点在于对云服务属性的抽取、分析、量化、表达耗费较多的资源。③基于关联规则的推荐方法。关联规则推荐算法不需要领域知识,能发现新兴趣点,但是该方法规则抽取难、个性化程度低。
发明内容
本发明实施例提供一种基于稀疏线性方法的云服务个性推荐方法,旨在提供一种解释灵活,且推荐结果较为精准的云服务个性化推荐方法。
为了实现上述目的,本发明提供了一种基于稀疏线性方法的云服务个性推荐系统,该系统包括:
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,获取云服器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。
为了实现上述目的,本发明提供了一种基于稀疏线性方法的云服务个性推荐方法,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;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽师范大学,未经安徽师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811345729.7/2.html,转载请声明来源钻瓜专利网。