[发明专利]服务推荐方法、系统及服务器

说明书

本发明适用于网络推荐技术领域，提供了一种服务推荐方法、系统及服务器，所述方法包括：获取用户集中各用户对待推荐服务集中各服务的服务质量信息，构建用户服务矩阵；对用户服务矩阵进行矩阵分解，得到用户关系矩阵和服务关系矩阵；根据用户关系矩阵计算并修正用户相似度矩阵；将用户关系矩阵和服务关系矩阵进行相乘运算，得到第一预测推荐结果；根据修正后的用户相似度矩阵以及用户的观测值，得到第二预测推荐结果；将第一预测推荐结果与所述第二预测推荐结果进行加权融合，得到用户服务推荐矩阵。上述方法采用随机行走解决数据稀疏所带来的用户相似度矩阵不精确的问题，采用矩阵分解的方法降低矩阵维度，通过将两者结合提高了服务推荐的精度。

技术领域

本发明属于网络推荐技术领域，尤其涉及服务推荐方法、系统及服务器。

背景技术

面向服务的体系架构(Service-Oriented Architecture，SOA)作为一种新型的分布式计算模型已经在电子商务和应用集成等领域发挥了重大作用。SOA的核心思想是强调以服务为基本单位，发现并组合符合用户需求的一系列服务。其中，在分布式的环境中，将各种功能都以服务的形式提供给最终用户或者其他服务。

随着SOA和Web服务的迅速发展，在网络上可用的Web服务数量急剧增加，因此基于web服务的推荐机制成为关注的重大问题。web服务推荐机制主要考虑两个方面，一个是服务功能，另一个是服务质量。然而，传统的基于服务质量的推荐方法存在数据稀疏，以及测量不精确、数据随机性、环境复杂等因素引起的不确定性问题，这些问题会导致web服务推荐算法精度不高的结果。

发明内容

有鉴于此，本发明实施例提供了服务推荐方法、系统及服务器，以解决现有技术中服务推荐方法预测精度不高的问题。

本发明实施例的第一方面提供了一种服务推荐方法，包括：

获取用户集中各用户对待推荐服务集中各服务的服务质量信息，构建用户服务矩阵；对所述用户服务矩阵进行矩阵分解，得到用户关系矩阵和服务关系矩阵；

根据所述用户关系矩阵计算用户相似度矩阵，根据所述用户相似度矩阵计算稳定的概率转换矩阵，并根据所述稳定的概率转换矩阵修正所述用户相似度矩阵；

根据所述用户关系矩阵和所述服务关系矩阵得到第一预测推荐结果，根据修正后的用户相似度矩阵以及用户的观测值得到第二预测推荐结果；

将所述第一预测推荐结果与所述第二预测推荐结果进行加权融合，得到用户服务推荐矩阵，并根据所述用户服务推荐矩阵进行服务推送。

可选的，所述对所述用户服务矩阵进行矩阵分解，包括：通过随机梯度下降的优化方法，对所述用户服务矩阵进行矩阵分解；

所述通过随机梯度下降的优化方法，对所述用户服务矩阵进行矩阵分解，包括：

通过所述用户服务矩阵对用户关系矩阵和服务矩阵进行预测；

计算所述用户服务矩阵、预测后的用户关系矩阵与预测后的服务矩阵乘积之间的损失函数，所述损失函数包括正则项；

对所述损失函数分别关于用户关系矩阵和服务关系矩阵进行求导，并根据求导结果以及上一次对用户关系矩阵和服务关系矩阵的预测值对用户关系矩阵和服务关系矩阵进行更新。

可选的，所述根据所述用户关系矩阵计算用户相似度矩阵，具体包括：

根据如下公式计算用户的相似度矩阵：

其中，Sim_i,j表示为用户i与用户j的相似度矩阵，U_i,k表示为第i个用户的k维向量，U_j,k表示为第j个用户的k维向量。

可选的，所述根据所述用户相似度矩阵计算稳定的概率转换矩阵，具体包括：