基于排序学习的Top-k软件服务推荐方法

• 作者: 何鹏 曾诚 肖海涛
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 服务推荐 排序学习 多样性 服务计算
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 计算机软件技术
• 页码范围: 144-149,169
• 页数: 7页
• 分类号: TP391|TP301.6
• 字数: 8357字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾诚	湖北大学计算机与信息工程学院	29	231	8.0	15.0
2	何鹏	湖北大学计算机与信息工程学院	17	28	4.0	4.0
3	肖海涛	湖北大学计算机与信息工程学院	2	1	1.0	1.0