采用Sigmoid函数的Web服务协同过滤推荐算法

发布时间：2018-01-20 12:18

本文关键词： 协同过滤 Sigmoid函数数据稀疏性推荐系统用户兴趣　出处：《计算机科学与探索》2017年02期 　论文类型：期刊论文

【摘要】：协同过滤推荐技术被广泛用于各个推荐系统,但它仍然存在着用户评分数据稀疏性问题,可能导致推荐结果不准确。针对该问题,提出了一种采用Sigmoid函数的协同过滤推荐算法。首先,分析用户兴趣与其调用服务的次数之间的关系,利用TF-IDF算法计算用户对服务内容的兴趣度;其次,定义一个Sigmoid函数,根据服务调用次数计算用户对服务功能的兴趣度;最后,基于内容兴趣度和功能兴趣度计算用户兴趣相似度完成协同过滤算法,实现个性化的服务推荐。实验证明,该方法能有效缓解数据稀疏性问题,提高了推荐质量。
[Abstract]:Collaborative filtering recommendation technology is widely used in various recommendation systems, but it still has the problem of user rating data sparsity, which may lead to inaccurate recommendation results. A collaborative filtering recommendation algorithm using Sigmoid function is proposed. Firstly, the relationship between user interest and the number of service calls is analyzed. The TF-IDF algorithm is used to calculate the user's interest in the service content. Secondly, a Sigmoid function is defined to calculate the user's interest in the service function according to the number of service calls. Finally, the collaborative filtering algorithm based on the similarity of user interest and content interest and functional interest is implemented to realize personalized service recommendation. Experiments show that this method can effectively alleviate the problem of data sparsity. The quality of recommendation has been improved.
【作者单位】：湖南科技大学知识处理与网络化制造湖南省普通高校重点实验室;
【基金】：国家自然科学基金Nos.61572186,61572187 湖南省教育厅科研基金No.15K043 南京大学计算机软件新技术国家重点实验室资助项目No.KFKT2015B04~~
【分类号】：TP391.3;TP393.09
【正文快照】： 1 引言近年来随着服务计算及其相关技术的发展,互联网上涌现出大量功能相同但服务质量(quality of service,Qo S)各异的Web服务,人们在满足功能需求的同时对服务的非功能性需求愈发重视,使得个性化服务推荐技术成为服务计算领域的一个研究热点。协同过滤推荐是目前个性化

【相似文献】