基于排序学习的Top-k软件服务推荐方法
针对由互联网时代信息过载导致的服务生产和获取不平衡问题,提出一种基于排序学习的Top-k软件服务推荐算法.首先,对用户-服务进行特征提取,通过隐语义模型提取出用户-服务的隐含特征,基于信息熵对用户-服务进行多样性特征建模提取出其多样性特征;然后,将两类特征进行线性组合,按一定的比例融合两种特征;最后,通过排序学习得到推荐列表.实验结果表明:对比三种基准方法(基于用户的协同过滤算法、基于物品的协同过滤算法和一种群体软件开发中的项目推荐方法),该算法在推荐精度上最大可提高16.9%,且当用户-服务隐特征与多样性特征权重系数为4:6时,可达到推荐精度为0.702和推荐多样性为0.632的平衡效果,从而确保精度又能提供更丰富的服务推荐列表.
服务推荐、排序学习、多样性、服务计算
38
TP391;TP301.6(计算技术、计算机技术)
国家973计划项目2014CB340401;国家自然科学基金资助项目61572371;湖北省自然科学基金青年科学基金资助项目2016CFB309
2018-08-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
144-149,169