[发明专利]一种基于半监督学习的在线服务信誉度量方法在审
| 申请号： | 201810535306.5 | 申请日： | 2018-05-30 |
| 公开（公告）号： | CN108960282A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 付晓东;张烨;刘骊;冯勇;刘利军 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q30/02 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于半监督学习的在线服务信誉度量方法，属于在线信誉度量及在线服务领域，本发明方法首先对服务的属性评分矩阵R进行归一化处理并分析主成分，从而对服务属性进行降维，然后综合服务多维度属性信息人工标注训练集并训练分类器模型，并基于改进半监督协同训练算法利用所得分类器对服务进行信誉分类，将分类后的服务和分类标签加入到训练集中重新训练分类器，最后利用得到的新的分类器对在线服务进行分类实现信誉度量，本发明通过建立对服务的多分类器模型实现对服务的信誉度量，同时在建模分类器时利用半监督学习算法将未标注服务加入到训练集重新训练分类器，实现在提升分类器模型分类性能的同时减少人工标注样本的成本。 | ||
| 搜索关键词： | 信誉度量 在线服务 训练分类器 分类器 半监督学习 人工标注 服务 训练集 分类 半监督学习算法 归一化处理 提升分类器 多分类器 分类标签 服务属性 模型分类 模型实现 评分矩阵 属性信息 训练算法 综合服务 半监督 多维度 降维 标注 样本 协同 信誉 改进 分析 | ||
【主权项】：
1.一种基于半监督学习的在线服务信誉度量方法，其特征在于，首先对服务的属性评分矩阵R进行归一化处理并分析主成分，从而对服务属性进行降维，然后综合服务多维度属性信息人工标注训练集并训练分类器模型，然后基于改进半监督协同训练算法利用所得分类器对服务进行信誉分类，将分类后的服务和分类标签加入到训练集中重新训练分类器，最后利用得到的新的分类器对在线服务进行分类实现信誉度量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810535306.5/，转载请声明来源钻瓜专利网。
