基于用户特征聚类与服务质量预测的推荐方法

摘要：

随着服务系统中Web服务的不断增加,为用户进行个性化Web服务推荐成为服务计算领域最热门的研究课题之一,然而,服务推荐面临不可靠用户和服务导致推荐的不准确性问题.为了解决上述问题,提出一种基于位置和信誉感知的Web服务推荐方法.首先采用粒子群优化(Particle Swarm Optimization,PSO)对用户进行聚类,得到相似用户;其次,计算用户和服务的信誉来识别可信的用户和服务;最后,将相似用户和可信服务的信息整合到矩阵分解(Matrix Factorization,MF)中,为用户预测缺失的服务质量(Quality of Service,QoS).在真实数据集WS-Dream上的实验验证了提出方法的可行性与有效性.与其他先进的预测方法相比,该方法的MAE(Mean Absolute Error)和RMSE(Root Mean Squared Error)较低,证明该方法有较高的预测准确性.

关键词：服务推荐、用户聚类、粒子群优化、位置感知、信誉感知、矩阵分解

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;山东省自然科学基金;山东省自然科学基金;山东省教学改革研究项目;山东省教学改革研究项目;山东省教学改革研究项目;山东省优质专业学位教学案例库建设项目;山东省重点研发计划软科学项目

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：120-133