基于排序学习的Top-k软件服务推荐方法

作者：肖海涛; 何鹏^*; 曾诚

来源：计算机应用, 2018, 38(S1): 144-169.

• 服务推荐
• 排序学习
• 多样性
• 服务计算

针对由互联网时代信息过载导致的服务生产和获取不平衡问题,提出一种基于排序学习的Top-k软件服务推荐算法。首先,对用户-服务进行特征提取,通过隐语义模型提取出用户-服务的隐含特征,基于信息熵对用户-服务进行多样性特征建模提取出其多样性特征;然后,将两类特征进行线性组合,按一定的比例融合两种特征;最后,通过排序学习得到推荐列表。实验结果表明:对比三种基准方法(基于用户的协同过滤算法、基于物品的协同过滤算法和一种群体软件开发中的项目推荐方法),该算法在推荐精度上最大可提高16. 9%,且当用户-服务隐特征与多样性特征权重系数为4∶6时,可达到推荐精度为0. 702和推荐多样性为0. 632的平衡效果,从而确保精度又能提供更丰富的服务推荐列表。