科研之友
微信
新浪微博
Facebook
分享链接
摘要
当对用户行为特征推荐Web服务资源时，对于不同特征之间的相关性考虑不足，会使得推荐方法的F-Measure值较低。因此，提出一种基于极大熵的Web服务资源个性化推荐方法。根据用户历史操作记录，从用户特征、商品特征、交互特征3个角度提取用户隐式行为特征，完善用户缺失信息。根据协同过滤算法，将用户与Web资源之间的联系挖掘出来，生成用户兴趣矩阵。依托极大熵计算原理建立特征函数，明确不同用户行为特征之间的联系，并以此为基础设计Web服务资源选取算法。最后，针对用户基本属性和资源评分矩阵建立约束条件，生成个性化资源推荐方案。实验结果表明该方法的应用，使得F-Measure值与传统方法比较提升了41个百分点与33个百分点，确保推荐结果符合用户需求。
- 单位
