基于用户特征聚类与服务质量预测的推荐方法

作者：刘佳慧; 袁卫华; 曹家伟; 张涛; 张志军^*

来源：南京大学学报(自然科学), 2023, 59(01): 120-133.

DOI：10.13232/j.cnki.jnju.2023.01.012

• 服务推荐
• 用户聚类
• 粒子群优化
• 位置感知
• 信誉感知
• 矩阵分解

随着服务系统中Web服务的不断增加，为用户进行个性化Web服务推荐成为服务计算领域最热门的研究课题之一，然而，服务推荐面临不可靠用户和服务导致推荐的不准确性问题.为了解决上述问题，提出一种基于位置和信誉感知的Web服务推荐方法 .首先采用粒子群优化（Particle Swarm Optimization,PSO）对用户进行聚类，得到相似用户；其次，计算用户和服务的信誉来识别可信的用户和服务；最后，将相似用户和可信服务的信息整合到矩阵分解（Matrix Factorization,MF）中，为用户预测缺失的服务质量（Quality of Service,QoS）.在真实数据集WS-Dream上的实验验证了提出方法的可行性与有效性.与其他先进的预测方法相比，该方法的MAE (Mean Absolute Error)和RMSE (Root Mean Squared Error)较低，证明该方法有较高的预测准确性.

• 单位
  山东建筑大学