面向多服务价值链的业务资源推荐算法
多服务价值链中有很多企业和业务资源.通过推荐技术,将优质的业务资源推荐给不同企业用户,帮助企业降本增值.但传统的推荐技术存在业务资源简约和长尾问题,严重影响推荐质量.为解决上述问题,提出一种面向多服务价值链的业务资源推荐算法.该算法首先通过元学习学习最优聚类算法和数据集元属性之间的对应关系,以便可以为某时刻的数据集选择最优聚类算法,将高维业务资源评分矩阵转化为多个低维度的子评分矩阵.然后在子评分矩阵中通过惩罚因子优化协同过滤来缓解业务资源推荐长尾问题.最后通过实验研究证实,所提算法相比于其他推荐算法,在平均绝对误差、均方根误差、综合评价指标以及覆盖率上分别有明显的提升,证明了该算法的有效性.
多服务价值链、业务资源推荐、聚类算法、惩罚因子、元学习
29
TP393(计算技术、计算机技术)
2023-08-16(万方平台首次上网日期,不代表论文的发表时间)
共14页
2397-2410