[发明专利]一种用于Web服务推荐的协同过滤方法

摘要

本发明涉及一种用于Web服务推荐的协同过滤方法，首先从原QoS数据中提取出用户偏好数据，将其作为相似邻居近似度计算的源数据；其次从原QoS数据中提取出服务可信度数据，将其作为服务的个性化比重融入用户邻居相似度计算的过程中；然后使用top‑k算法确定目标用户的相似邻居集合；最后联合用户邻居的偏好相似度比重使用调和的皮尔逊相关系数算法(pcc)预测目标用户各未知服务的QoS值。通过WSDREAM库上197万条真实Web服务QoS数据集进行的实验，证明了所提算法相比于目前基于协同过滤的Web服务推荐算法，能有效提高QoS预测准确率从而提高Web服务推荐质量。

主权项

一种用于Web服务推荐的协同过滤算法，基于用户偏好和服务可信度，针对Web服务进行过滤，并向用户进行推荐，其特征在于，包括如下步骤：步骤A.利用QoS训练样本集Q构造用户偏好数据集SAT；步骤B.利用QoS训练样本集Q构造服务可信度数据集C；步骤C.将服务可信度数据集C作为比重,联合用户偏好数据集SAT,计算各用户之间的偏好相似度；步骤D.分别针对各个用户，根据各用户之间相似度，采用top‑k算法，获得各个用户分别所对应的优先相似邻居集合N(um)；其中，1≤m≤M，M表示所有用户的总数，um表示所有用户中的第m位用户；步骤E.分别针对各个用户，根据用户所对应的优先相似邻居集合N(um)，结合该用户与其优先相似邻居集合N(um)中各用户的偏好相似度，计算获得该用户相对各个服务的缺失QoS预测值P(um,sn)，进而获得各个用户分别相对各个服务的缺失QoS预测值P(um,sn)；其中，1≤n≤N,N表示所有服务的总数，sn表示所有服务中的第n个服务；步骤F.分别针对各个用户，根据用户相对各个服务的缺失QoS预测值P(um,sn)，向用户推荐QoS优秀的候选未知服务，并采用MAE评价准则输出该用户所对应的QoS预测值相较于真实值的准确率结果。