[发明专利]一种基于排序学习的服务推荐方法

摘要

本发明公开了一种基于排序学习的服务推荐方法，将传统服务推荐方法针对QoS进行预测推荐转化为进行排序推荐，提出了一种基于排序学习与矩阵分解的服务推荐方法。主要包括通过时间窗口的QoS记录计算出用户偏好程度因子，QoS波动程度因子，QoS衰减程度因子，再结合原始TOP值进行优化，通过构建损失函数进行矩阵分解，最后生成未知用户‑服务的排名评分，为用户进行推荐。

主权项

1.一种基于排序学习的服务推荐方法，其特征在于，包括以下步骤：步骤一、计算TOP值：首先根据用户调用服务过程产生QoS，通过计算TOP值构建排序列表；其中，TOP是服务对应的服务质量在用户排序列表中排在第一位置的概率，QoS是服务质量；步骤二、优化TOP值：通过设置时间窗口收集一段时间内的QoS数据，并通过计算时间窗口内的QoS提取信息对步骤一计算得到TOP值进行优化；步骤三、训练特征矩阵：利用ListRank‑MF构建优化损失函数，通过矩阵分解技术对ListRank‑MF模型分解训练得到用户特征矩阵与服务特征矩阵；步骤四、列表预测：通过训练得到用户特征矩阵与服务特征矩阵计算得到推荐列表，从而根据推荐列表对用户进行推荐；TOP值的计算方式如下：其中，q_i,j表示第i个用户调用第j个服务所产生的QoS记录，l_i为第i个用户所调用的服务列表，K为l_i的长度，q_i,k为第i个用户调用服务列表l_i中的第k个服务所产生的QoS记录，为第i个用户调用第j个服务的QoS记录的原始的TOP值；步骤二中优化过后的TOP值为：其中，γ(i,j)为用户偏好程度因子，ε(i,j)为QoS波动程度因子，τ(i,j)为QoS衰减程度因子。