[发明专利]基于用户‑服务特征的网络服务协同过滤方法

摘要

基于用户‑服务特征的网络服务协同过滤方法，首先随机选取一用户作为积极用户，计算出用户‑服务距离矩阵；然后，找出与该积极用户最为相似的k个用户，找出与该服务最为相似的k个服务；最后根据这k个最相似用户和k个最相似服务计算出最终的QoS推荐值。本发明将用户间的相似度、用户‑服务距离相似度、用户‑服务响应时间分别在三个维度上进行计算，这样避免了将它们一起线性回归计算概念含混不清，计算精度低等缺陷。对比于UMEAN、IMEAN算法，本发明在分类精度上明显优于其他2个对比算法，平均预测精度提高约20%。

主权项

基于用户‑服务特征的网络服务协同过滤方法，其特征在于，首先随机选取一用户作为积极用户，计算出用户‑服务距离矩阵；然后，找出与该积极用户最为相似的k个用户，找出与目标服务最为相似的k个服务；最后根据这k个最相似用户和k个最相似服务计算出最终的QoS推荐值；找出与该积极用户最为相似的k个用户的方法如下：步骤一：对于指定的积极用户u，计算SimL(u,u′)，并记为值域是[0,1]，其中u′为其他用户；步骤二：对于指定的积极用户u，针对目标服务，计算SimD(u,u′)，并记为值域是[0,1]；步骤三：对于指定的积极用户u，针对目标服务，计算SimRT(u,u′)，并记为值域是[‑1,1]；步骤四：计算基于用户的最终相似度Sim(u',u)，并记为Su，它的计算公式如下：Su=α1·Su1+α2·Su2+α3·su3---(1)]]>这里，α1、α2、α3为三个分量的组合参数，是基于用户地址的相似度分量，是基于用户调用服务的相似度分量，是基于用户调用服务的响应时间的相似度分量，值域为[‑1,1]；步骤五：根据上述的基于用户的相似度值，找出k个最大值的用户，作为与积极用户u最为相似的用户us'，再通过这些用户的QoS值计算出预测用户的QoS预测值，记为ru(u,s)；找出与目标服务最为相似的k个服务的方法如下：步骤一：对于指定的目标服务s，计算SimL(s,s′)，并记为Si1，值域是[0,1]，其中s′为其他服务；步骤二：对于指定的目标服务s，针对调用过它的积极用户u，计算SimD(s,s′)，并记为Si2，值域是[0,1]；步骤三：对于指定的目标服务s，针对调用过它的积极用户u，计算SimRT(s,s′)，并记为Si3，值域是[‑1,1]；步骤四：计算基于服务的最终相似度Sim(s',s)，并记为Ss，它的计算公式如下：Ss＝β1·Si1+β2·Si2+β3·Si3   (2)这里，β1、β2、β3为三个分量的组合参数，本发明中α1＝β1，α2＝β2，α3＝β3，在后文中用S1统一表示α1和β1，用S2统一表示α2和β2，用S3统一表示α3和β3；Si1是基于服务的相似度分量，Si2是基于目标服务到测试用户的距离的相似度分量，Si3是基于目标服务到测试用户产生的响应时间的相似度分量，值域为[‑1,1]；步骤五：根据上述的基于服务的相似度值，找出k个最大值的服务，作为与目标服务s最为相似的服务ss'，再通过这些服务的QoS值计算出目标服务的QoS预测值，记为rs(u,s)。