[发明专利]一种基于服务多粒度属性的潜在用户推荐方法

权利要求书

1.一种基于服务多粒度属性的潜在用户推荐方法，其特征在于：所述的基于服务多粒度属性的潜在用户推荐方法包括：

对服务原始数据集中的每个服务包含的类型标签信息进行聚类，依据聚类结果找到目标服务所属类簇；

对服务原始数据集中的每个服务包含的类型标签信息进行相似性计算，选择目标服务的邻居服务；

分别对目标服务所属类簇和领居服务进行分析计算，通过计算得到用户对服务属性的评分预测；

依据评分预测进行排序，将潜在用户推荐给目标服务；

找到目标服务所属共性类型的服务类簇，每个用户对服务类簇内所有服务的评分数据表示目标服务的粗粒度属性；

目标服务所属类簇内每个用户的所有服务评分均值表示目标服务的粗粒度属性预测评分；

根据服务包含的类型标签信息，通过k-means聚类对所有服务进行聚类，找到目标服务所属类簇，用类簇内所有服务评分均值表示目标服务的粗粒度属性预测评分，粗粒度属性预测评分计算公式如下：

其中，P_c(r_u,i)为用户u对目标服务i的粗粒度属性预测评分，r_u,j为用户u对服务j的评分，C为目标服务i所属类簇，|C|表示类簇中用户u有评分的服务个数；

通过用户对邻居服务的评分，计算出用户对各个服务类型标签的评分；邻居服务包含服务类型标签；

各个服务类型标签的评分具体方法为：根据jaccard系数计算出目标服务的邻居服务，根据任意一个服务类型标签的邻居服务以及用户对邻居服务的评分信息，计算出用户对任意一个服务类型标签的评分，计算公式如下：

其中，a_u为用户u对目标服务包含的类型标签a的评分；I_u,a为用户u对服务已评分且包含服务类型标签a的邻居服务集，|I_u,a|为邻居服务集中的服务个数；R_u,i为用户u对邻居服务i的评分；

目标服务包含服务类型标签，服务类型标签的评分数据表示目标服务的细粒度属性；

用户对目标服务包含所有服务类型标签评分的均值作为用户对目标服务的细粒度预测评分，计算公式如下：

其中，P_f(r_u,i)为用户u对目标服务i的细粒度属性预测评分；P_i为目标服务i包含的具体服务类型标签集合，|P_i|为该集合中的服务个数；a_u为用户u对目标服务i的具体服务类型a的评分；

分别对目标服务所属类簇和邻居服务进行分析计算，再通过计算得到用户对服务属性的评分预测包括：

对服务属性的评分预测进行加权求和，计算出所有用户对目标服务综合预测评分；

加权求和计算公式如下：

对目标服务粗粒度和细粒度的预测评分进行加权求和；其中，P(r_u,i)为用户u对目标服务i的综合预测评分，P_c(r_u,i)为用户u对目标服务i的粗粒度属性预测评分，P_f(r_u,i)为用户u对目标服务i的细粒度属性预测评分，为平衡因子。

2.根据权利要求1所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：聚类是基于服务包含的类型标签对服务进行k-means聚类，将包含类似服务类型的服务聚类为包含共性类型的服务类簇。

3.根据权利要求1所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：相似性计算是基于jaccard系数对服务进行相似性计算，根据计算结果，选择与目标服务相似度top-50个服务作为目标服务的邻居服务；top-50表示相似度排名前50个服务。

4.根据权利要求1所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：目标服务综合预测评分的结果进行排序，根据需求选择综合预测评分高的top-k个潜在用户推荐给目标服务。

5.根据权利要求4所述的基于服务多粒度属性的潜在用户推荐方法，其特征在于：top-k个潜在用户推荐给目标服务表示根据综合预测评分由高分到低分依次排列，综合预测评分高的前k个潜在用户进行推荐。