一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法
【專利摘要】本發(fā)明是一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，包括基于用戶風(fēng)險(xiǎn)偏好的屬性提取方法和基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法兩部分。該屬性提取方法是針對(duì)服務(wù)多屬性特征的一種約簡(jiǎn)方法?？紤]到不同用戶對(duì)于未知的服務(wù)愿意承擔(dān)風(fēng)險(xiǎn)的意愿不同，通過(guò)風(fēng)險(xiǎn)偏好的不同對(duì)用戶進(jìn)行劃分，對(duì)不同的類型用戶使用相應(yīng)的規(guī)則，從服務(wù)的多個(gè)非功能屬性中提取更符合不同類別用戶需求的有效屬性，進(jìn)行相似性計(jì)算，最終形成推薦。該推薦方法解決了服務(wù)的多屬性約簡(jiǎn)問(wèn)題，為服務(wù)推薦過(guò)程中的服務(wù)非功能屬性評(píng)分存在不確定區(qū)間的問(wèn)題提供了解決辦法，使得推薦結(jié)果更加符合不同類型用戶的需求，為服務(wù)推薦提供了一種強(qiáng)有力的方法和工具。
【專利說(shuō)明】一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一個(gè)在開(kāi)放異構(gòu)的復(fù)雜網(wǎng)絡(luò)環(huán)境下，實(shí)現(xiàn)服務(wù)按用戶需求不同實(shí)現(xiàn)分類推薦的方案。主要針對(duì)服務(wù)推薦中用戶具有復(fù)雜性以及對(duì)未知服務(wù)的期望不同的特點(diǎn)，提出了一種適用于服務(wù)推薦的基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，該方法結(jié)合用戶復(fù)雜需求以及用戶對(duì)風(fēng)險(xiǎn)期望不同的特點(diǎn)，將用戶的風(fēng)險(xiǎn)偏好融于服務(wù)屬性約簡(jiǎn)和推薦領(lǐng)域，使推薦結(jié)果更加符合用戶的期望。屬于信息服務(wù)、服務(wù)計(jì)算領(lǐng)域。
【背景技術(shù)】
[0002]服務(wù)選擇是用戶根據(jù)其自身需求以某種方式在具有相同功能屬性卻具有不同非功能屬性的候選服務(wù)中選取所需服務(wù)，以執(zhí)行用戶的服務(wù)請(qǐng)求。隨著服務(wù)數(shù)量的日益增長(zhǎng)，服務(wù)選擇中有效的推薦方法變得尤為重要，是服務(wù)計(jì)算領(lǐng)域需要解決的核心問(wèn)題之一。服務(wù)推薦不同于傳統(tǒng)的推薦方法，用戶具有明確的應(yīng)用需求，只是在面對(duì)大量同種功能服務(wù)時(shí)很難判斷服務(wù)符合自身偏好需求的程度。
[0003]隨著信息科技的發(fā)展，信息量的膨脹，多數(shù)決策者在決策時(shí)面對(duì)的信息不再是太少而是太多，那么如何利用現(xiàn)有技術(shù)對(duì)海量信息進(jìn)行過(guò)濾提取有效信息，利用有效信息進(jìn)行決策變成決策領(lǐng)域重要的研究?jī)?nèi)容.服務(wù)推薦領(lǐng)域大量的服務(wù)非功能屬性約簡(jiǎn)是一個(gè)必要的過(guò)程，若不約簡(jiǎn)嚴(yán)重制約推薦的效率.在服務(wù)屬性約簡(jiǎn)的過(guò)程中，不同用戶對(duì)有效的服務(wù)屬性的認(rèn)識(shí)是不同的，其中未知評(píng)價(jià)對(duì)用戶需求的影響被忽略了，用戶在面對(duì)大量的未知信息選擇時(shí)意味著承擔(dān)一定的風(fēng)險(xiǎn)，而用戶對(duì)未知評(píng)價(jià)的期望不同，如果推薦系統(tǒng)不將其考慮在內(nèi)將與用戶的期望產(chǎn)生嚴(yán)重的偏差。
[0004]針對(duì)上述問(wèn)題，將用戶的風(fēng)險(xiǎn)偏好引入推薦系統(tǒng)，提出一種基于用戶風(fēng)險(xiǎn)偏好的服推薦方法，在進(jìn)行推薦之前，根據(jù)用戶風(fēng)險(xiǎn)偏好程度將用戶分成風(fēng)險(xiǎn)規(guī)避型，風(fēng)險(xiǎn)偏好型，風(fēng)險(xiǎn)中立型三類，針對(duì)不同的風(fēng)險(xiǎn)類型用戶對(duì)服務(wù)的有效非功能屬性進(jìn)行選擇，同時(shí)考慮用戶的個(gè)性化需求，對(duì)約簡(jiǎn)后的屬性進(jìn)行選擇，根據(jù)選擇后的有效服務(wù)屬性評(píng)分進(jìn)行用戶相似度計(jì)算，可以提升推薦的效率，減少推薦的結(jié)果與用戶需求間的偏差。

【發(fā)明內(nèi)容】

[0005]技術(shù)問(wèn)題:本發(fā)明的目的是給出一種解決服務(wù)推薦中屬性集規(guī)模龐大和用戶對(duì)選擇服務(wù)時(shí)對(duì)服務(wù)風(fēng)險(xiǎn)的期望不同的推薦方法，即基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法。
[0006]技術(shù)方案:本發(fā)明將借鑒最新的服務(wù)推薦算法的研究成果，考慮用戶需求具有復(fù)雜性以及用戶的風(fēng)險(xiǎn)期望不同特點(diǎn)，提出一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，在服務(wù)非功能屬性選擇中結(jié)合用戶需求和用戶風(fēng)險(xiǎn)偏好，給出服務(wù)推薦方案。
[0007]本發(fā)明根據(jù)用戶對(duì)未知信息的預(yù)期不同選取不同的項(xiàng)目屬性進(jìn)行推薦，使得推薦結(jié)果更加符合用戶的需求，該服務(wù)推薦方法主要包括基于風(fēng)險(xiǎn)偏好的屬性約簡(jiǎn)方法和基于風(fēng)險(xiǎn)偏好的服務(wù)推薦方法兩部分。
[0008]基于風(fēng)險(xiǎn)偏好的屬性約簡(jiǎn)方法的組成模式，包括用戶的基本信息，用戶的需求信息，服務(wù)的非功能屬性信息，用戶對(duì)服務(wù)屬性的評(píng)分信息幾部分，其中用戶的基本信息包括用戶的ID、用戶對(duì)風(fēng)險(xiǎn)的偏好信息，用戶的需求信息包括用戶的功能性需求和非功能性需求，服務(wù)的非功能屬性信息包括服務(wù)的價(jià)格，QoS屬性等信息。
[0009]基于風(fēng)險(xiǎn)偏好的服務(wù)推薦方法關(guān)鍵在于將用戶對(duì)未知信息的風(fēng)險(xiǎn)期望融入到推薦系統(tǒng)中，通過(guò)將用戶按照風(fēng)險(xiǎn)偏好的不同進(jìn)行分類的方法提取出符合此類用戶的決策屬性，將其與用戶需求提出的偏好屬性結(jié)合，形成有效的決策屬性，進(jìn)而進(jìn)行相似度計(jì)算，將最佳項(xiàng)目推薦給用戶；主要包括的處理過(guò)程有用戶分類過(guò)程，用戶需求提取過(guò)程，用戶評(píng)分表處理過(guò)程，待推薦項(xiàng)目屬性約簡(jiǎn)過(guò)程，約簡(jiǎn)后屬性與用戶需求結(jié)合過(guò)程，相似度計(jì)算過(guò)程和最佳服務(wù)選擇過(guò)程。
[0010]基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法的步驟是:先將用戶按照不同的風(fēng)險(xiǎn)偏好類型分類，用戶向服務(wù)注冊(cè)中心發(fā)送請(qǐng)求，服務(wù)注冊(cè)中心提取相關(guān)服務(wù)構(gòu)建評(píng)分可能區(qū)間表，按照各類用戶不同的規(guī)則提取有效屬性，將約簡(jiǎn)后的屬性進(jìn)行賦權(quán)，計(jì)算單一非功能屬性的推薦度，再根據(jù)權(quán)重計(jì)算服務(wù)的推薦度，將最佳服務(wù)推薦給用戶，最終完成服務(wù)推薦。
[0011]該推薦方法中基本元素，及其定義和功能包括:
[0012]I)服務(wù)請(qǐng)求者，即用戶:對(duì)服務(wù)資源提出請(qǐng)求，具有選擇最優(yōu)服務(wù)資源權(quán)限的實(shí)體；該實(shí)體包括固 定的ID，實(shí)體的風(fēng)險(xiǎn)偏好類別以及實(shí)體對(duì)所需服務(wù)功能性屬性和非功能性屬性的需求；
[0013]2)服務(wù)提供者:針對(duì)服務(wù)請(qǐng)求者提出的資源請(qǐng)求，實(shí)施信息服務(wù)的提供者；該實(shí)體具備的屬性包括固定的ID，所提供的功能性屬性和非功能性屬性的類別，功能屬性需求:需求詳細(xì)信息之一，表示用戶所需要的服務(wù)的功能；
[0014]3)用戶的功能屬性需求:需求詳細(xì)信息之一，表示用戶所需要的服務(wù)的功能；
[0015]4)用戶的非功能屬性需求:服務(wù)屬性信息需求，表示用戶對(duì)所需要的服務(wù)某項(xiàng)或某幾項(xiàng)非功能屬性的需求；
[0016]5)服務(wù)屬性:服務(wù)屬性信息，列出服務(wù)具有的功能屬性和非功能屬性，包括價(jià)格、性能、可靠性、可用性、安全性和聲譽(yù)度；
[0017]6)風(fēng)險(xiǎn)偏好:是指為了實(shí)現(xiàn)目標(biāo)，用戶在承擔(dān)風(fēng)險(xiǎn)的種類、大小方面的基本態(tài)度，風(fēng)險(xiǎn)就是一種不確定性，用戶面對(duì)這種不確定性所表現(xiàn)出的態(tài)度、傾向便是其風(fēng)險(xiǎn)偏好的具體體現(xiàn)；
[0018]7)用戶評(píng)分區(qū)間:記a = [aL, a11] = {x | aL ^ x ^ a11}，a為評(píng)分區(qū)間，aL為區(qū)間下限，a11為區(qū)間上限；
[0019]8)評(píng)分區(qū)間長(zhǎng)度:la = au-aL表示評(píng)分區(qū)間a的長(zhǎng)度，Ib = bu-bL表示區(qū)間b的長(zhǎng)度；
[0020]9)用戶評(píng)分區(qū)間可能度:P (a>^)=mini/?+//i,maX(t/ ~k，0)i為評(píng)分區(qū)間可能


L+lb
度，用以判定兩個(gè)區(qū)間數(shù)大小的概率，a、b為評(píng)分區(qū)間:a = [aL, a11], b = [b\ bu]，la、Ib為步驟8)中所述評(píng)分區(qū)間長(zhǎng)度；
[0021]10)風(fēng)險(xiǎn)規(guī)避型用戶評(píng)分期望預(yù)期規(guī)則:假設(shè)a = [aL, a11]，b = [bL, bu]是兩個(gè)評(píng){P(a>b) = P(b>a) = /2
分區(qū)間屬性值，那么判定a>b的預(yù)期規(guī)則為P(a≥b) >1/2或I uL，



[a < b
P為步驟9)中所述評(píng)分區(qū)間可能度；
[0022]11)風(fēng)險(xiǎn)中立型用戶評(píng)分期望預(yù)期規(guī)則:假設(shè)a = [aL, a11]，b = [bL, bu]是兩個(gè)評(píng)分區(qū)間屬性值，那么判定a > b預(yù)期規(guī)則為P (a > b) > 1/2 ；
[0023]12)風(fēng)險(xiǎn)偏好型用戶評(píng)分期望預(yù)期規(guī)則:假設(shè)a = [aL, a11]，b = [bL, bu]是兩個(gè)評(píng)




? Ρ(α > h) = P(b >α) =1/2
分區(qū)間屬性值，那么判定a >b的預(yù)期規(guī)則為P(a≥b) >1/2或二 '。



[a >b
[0024]基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法的步驟如下:
[0025]第一步:服務(wù)請(qǐng)求者向服務(wù)注冊(cè)中心發(fā)出某一服務(wù)請(qǐng)求，服務(wù)注冊(cè)中心返回服務(wù)提供者可提供的這種服務(wù)的列表UA1, A2...AJ , A1, A2...An表示滿足請(qǐng)求的服務(wù)；
[0026]第二步:根據(jù)用戶對(duì)風(fēng)險(xiǎn)的偏好態(tài)度，對(duì)用戶進(jìn)行分類；
[0027]第三步:根據(jù)用戶對(duì)于各個(gè)非功能屬性打分表構(gòu)建服務(wù)各屬性評(píng)分的可能區(qū)間表；
[0028]第四步:根據(jù)用戶約束去除不滿足約束的服務(wù)；
[0029]第五步:根據(jù)用戶風(fēng)險(xiǎn)偏好的類型選擇預(yù)期規(guī)則構(gòu)建辨析矩陣；
[0030]第六步:根據(jù)辨析矩陣并利用吸取法提取有效屬性；
[0031]第七步:根據(jù)用戶提出的需求非功能屬性結(jié)合提取的有效屬性形成推薦屬性；
[0032]第八步:利用協(xié)同過(guò)濾算法計(jì)算單一非功能屬性的服務(wù)推薦度；
[0033]第九步:根據(jù)有效屬性所占比例為該屬性推薦度賦權(quán)；
[0034]第十步:根據(jù)賦權(quán)的屬性計(jì)算服務(wù)推薦度，通過(guò)Top-K算法將推薦度值最大的服務(wù)推薦給用戶。
[0035]有益效果:使用該方法在開(kāi)放網(wǎng)絡(luò)環(huán)境下，服務(wù)屬性集規(guī)模龐大情況下進(jìn)行服務(wù)推薦有如下優(yōu)點(diǎn):
[0036]1、將服務(wù)的非功能屬性進(jìn)行約簡(jiǎn)，提高推薦效率；
[0037]2、將未評(píng)分的用戶的評(píng)分值可能性考慮在內(nèi)，構(gòu)建評(píng)分可能區(qū)間使得評(píng)分信息更加完整；
[0038]3、在有效屬性約簡(jiǎn)時(shí)采用分類處理的方式，盡可能保留服務(wù)的特性，降低服務(wù)屬性約簡(jiǎn)所帶來(lái)的信息缺失造成的推薦偏差；
[0039]4、推薦屬性賦權(quán)，從項(xiàng)目評(píng)分集的優(yōu)勢(shì)辨析矩陣中提取有效屬性所占比例為該屬性推薦度賦權(quán)，使多屬性推薦更加合理。
【專利附圖】

【附圖說(shuō)明】
[0040]圖1是用戶項(xiàng)目屬性評(píng)分可能區(qū)間圖。
[0041]圖2是按用戶風(fēng)險(xiǎn)偏好分類的屬性約簡(jiǎn)方法流程圖。
[0042]圖3是基于用戶風(fēng)險(xiǎn)偏好的推薦方法的整體流程圖。
【具體實(shí)施方式】[0043]本發(fā)明是一種策略性的方案，參考服務(wù)推薦算法已有的研究成果、結(jié)合成熟的基于協(xié)同過(guò)濾的服務(wù)推薦模型，將用戶個(gè)性化需求以及用戶對(duì)風(fēng)險(xiǎn)的期望引入推薦過(guò)程，實(shí)現(xiàn)一種用戶需求與用戶期望相結(jié)合的服務(wù)推薦方法，主要有基于用戶風(fēng)險(xiǎn)偏好的屬性約簡(jiǎn)方法和基于約簡(jiǎn)屬性的服務(wù)推薦方法兩部分。
[0044]一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，包括用戶ID，用戶風(fēng)險(xiǎn)偏好類型，需求ID，功能屬性需求，非功能屬性需求，服務(wù)質(zhì)量屬性。主要包括的處理過(guò)程有用戶分類過(guò)程，用戶需求提取過(guò)程，用戶評(píng)分表處理過(guò)程，待推薦項(xiàng)目屬性約簡(jiǎn)過(guò)程，約簡(jiǎn)后屬性與用戶需求結(jié)合過(guò)程，相似度計(jì)算過(guò)程和最佳服務(wù)選擇過(guò)程。
[0045]下面先給出基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法中基本元素的定義及其功能:
[0046]1、服務(wù)請(qǐng)求者，即用戶:對(duì)服務(wù)資源提出請(qǐng)求，具有選擇最優(yōu)服務(wù)資源權(quán)限的實(shí)體；該實(shí)體包括固定的ID，實(shí)體的風(fēng)險(xiǎn)偏好類別以及實(shí)體對(duì)所需服務(wù)功能性屬性和非功能性屬性的需求；
[0047]2、服務(wù)提供者:針對(duì)服務(wù)請(qǐng)求者提出的資源請(qǐng)求，實(shí)施信息服務(wù)的提供者；該實(shí)體具備的屬性包括固定的ID，實(shí)體的安全級(jí)別以及權(quán)威度，所提供的功能性屬性和非功能性屬性的類別；
[0048]3、風(fēng)險(xiǎn)偏好:是指為了實(shí)現(xiàn)目標(biāo)，用戶在承擔(dān)風(fēng)險(xiǎn)的種類、大小等方面的基本態(tài)度。風(fēng)險(xiǎn)就是一種不確定性，用戶面對(duì)這種不確定性所表現(xiàn)出的態(tài)度、傾向便是其風(fēng)險(xiǎn)偏好的具體體現(xiàn)；
[0049]4、用戶評(píng)分區(qū)間:記a = [aL, a11] = {x | aL≤x≤a11}，a為評(píng)分區(qū)間，aL為區(qū)間下限，a11為區(qū)間上限；
[0050]5、評(píng)分區(qū)間長(zhǎng)度:la = au_aL表示評(píng)分區(qū)間的長(zhǎng)度，Ib = 表示區(qū)間b的長(zhǎng)度；
[0051]6、用尸評(píng)分區(qū)間可能度:
【權(quán)利要求】
1.一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，其特征在于根據(jù)用戶對(duì)未知信息的預(yù)期不同選取不同的項(xiàng)目屬性進(jìn)行推薦，使得推薦結(jié)果更加符合用戶的需求，該服務(wù)推薦方法主要包括基于風(fēng)險(xiǎn)偏好的屬性約簡(jiǎn)方法和基于風(fēng)險(xiǎn)偏好的服務(wù)推薦方法兩部分； 基于風(fēng)險(xiǎn)偏好的屬性約簡(jiǎn)方法的組成模式，包括用戶的基本信息，用戶的需求信息，月艮務(wù)的非功能屬性信息，用戶對(duì)服務(wù)屬性的評(píng)分信息幾部分，其中用戶的基本信息包括用戶的ID、用戶對(duì)風(fēng)險(xiǎn)的偏好信息，用戶的需求信息包括用戶的功能性需求和非功能性需求，月艮務(wù)的非功能屬性信息包括服務(wù)的價(jià)格，QoS屬性等信息； 基于風(fēng)險(xiǎn)偏好的服務(wù)推薦方法關(guān)鍵在于將用戶對(duì)未知信息的風(fēng)險(xiǎn)期望融入到推薦系統(tǒng)中，通過(guò)將用戶按照風(fēng)險(xiǎn)偏好的不同進(jìn)行分類的方法提取出符合此類用戶的決策屬性，將其與用戶需求提出的偏好屬性結(jié)合，形成有效的決策屬性，進(jìn)而進(jìn)行相似度計(jì)算，將最佳項(xiàng)目推薦給用戶；主要包括的處理過(guò)程有用戶分類過(guò)程，用戶需求提取過(guò)程，用戶評(píng)分表處理過(guò)程，待推薦項(xiàng)目屬性約簡(jiǎn)過(guò)程，約簡(jiǎn)后屬性與用戶需求結(jié)合過(guò)程，相似度計(jì)算過(guò)程和最佳服務(wù)選擇過(guò)程； 基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法的步驟是:先將用戶按照不同的風(fēng)險(xiǎn)偏好類型分類，用戶向服務(wù)注冊(cè)中心發(fā)送請(qǐng)求，服務(wù)注冊(cè)中心提取相關(guān)服務(wù)構(gòu)建評(píng)分可能區(qū)間表，按照各類用戶不同的規(guī)則提取有效屬性，將約簡(jiǎn)后的屬性進(jìn)行賦權(quán)，計(jì)算單一非功能屬性的推薦度，再根據(jù)權(quán)重計(jì)算服務(wù)的推薦度，將最佳服務(wù)推薦給用戶，最終完成服務(wù)推薦。
2.根據(jù)權(quán)利要求1所述的基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，其特征在于該推薦方法中基本元素，及其定義和功能包括: 1)服務(wù)請(qǐng)求者，即用戶:對(duì)服務(wù)資源提出請(qǐng)求，具有選擇最優(yōu)服務(wù)資源權(quán)限的實(shí)體；該實(shí)體包括固定的ID，實(shí)體的風(fēng)險(xiǎn)偏好類別以及實(shí)體對(duì)所需服務(wù)功能性屬性和非功能性屬性的需求； 2)服務(wù)提供者:針對(duì)服務(wù)請(qǐng)求者提出的資源請(qǐng)求，實(shí)施信息服務(wù)的提供者；該實(shí)體具備的屬性包括固定的ID，所提供的功能性屬性和非功能性屬性的類別，功能屬性需求:需求詳細(xì)信息之一，表示用戶所需要的服務(wù)的功能； 3)用戶的功能屬性需求:需求詳細(xì)信息之一，表示用戶所需要的服務(wù)的功能； 4)用戶的非功能屬性需求:服務(wù)屬性信息需求，表示用戶對(duì)所需要的服務(wù)某項(xiàng)或某幾項(xiàng)非功能屬性的需求； 5)服務(wù)屬性:服務(wù)屬性信息，列出服務(wù)具有的功能屬性和非功能屬性，包括價(jià)格、性能、可靠性、可用性、安全性和聲譽(yù)度； 6)風(fēng)險(xiǎn)偏好:是指為了實(shí)現(xiàn)目標(biāo)，用戶在承擔(dān)風(fēng)險(xiǎn)的種類、大小方面的基本態(tài)度，風(fēng)險(xiǎn)就是一種不確定性，用戶面對(duì)這種不確定性所表現(xiàn)出的態(tài)度、傾向便是其風(fēng)險(xiǎn)偏好的具體體現(xiàn)； 7)用戶評(píng)分區(qū)間:記a= [aL, a11] = {x | aL≤x≤ a11}，a為評(píng)分區(qū)間，aL為區(qū)間下限，a11為區(qū)間上限； 8)評(píng)分區(qū)間長(zhǎng)度:la= au-aL表示評(píng)分區(qū)間a的長(zhǎng)度，Ib = bu-bL表示區(qū)間b的長(zhǎng)度； 9)用戶評(píng)分區(qū)間可能度:
3.根據(jù)權(quán)利要求1所述的一種基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法，其特征在于:基于用戶風(fēng)險(xiǎn)偏好的服務(wù)推薦方法的步驟如下: 第一步:服務(wù)請(qǐng)求者向服務(wù)注冊(cè)中心發(fā)出某一服務(wù)請(qǐng)求，服務(wù)注冊(cè)中心返回服務(wù)提供者可提供的這種服務(wù)的列表UA1, A2...AJ，A1, A2...An表示滿足請(qǐng)求的服務(wù)； 第二步:根據(jù)用戶對(duì)風(fēng)險(xiǎn)的偏好態(tài)度，對(duì)用戶進(jìn)行分類； 第三步:根據(jù)用戶對(duì)于各個(gè)非功能屬性打分表構(gòu)建服務(wù)各屬性評(píng)分的可能區(qū)間表； 第四步:根據(jù)用戶約束去除不滿足約束的服務(wù)； 第五步:根據(jù)用戶風(fēng)險(xiǎn)偏好的類型選擇預(yù)期規(guī)則構(gòu)建辨析矩陣； 第六步:根據(jù)辨析矩陣并利用吸取法提取有效屬性； 第七步:根據(jù)用戶提出的需求非功能屬性結(jié)合提取的有效屬性形成推薦屬性； 第八步:利用協(xié)同過(guò)濾算法計(jì)算單一非功能屬性的服務(wù)推薦度； 第九步:根據(jù)有效屬性所占比例為該屬性推薦度賦權(quán)； 第十步:根據(jù)賦權(quán)的屬性計(jì)算服務(wù)推薦度，通過(guò)Top-K算法將推薦度值最大的服務(wù)推薦給用戶。
【文檔編號(hào)】G06F17/30GK103942288SQ201410144174
【公開(kāi)日】2014年7月23日 申請(qǐng)日期:2014年4月10日 優(yōu)先權(quán)日:2014年4月10日
【發(fā)明者】王海艷, 曲匯直, 駱健, 蔣宇鑫, 張少波 申請(qǐng)人:南京郵電大學(xué)