基于相似性群体的混合型Web 服务推荐

摘要: 【目的】改进服务计算环境下Web 服务推荐数据稀疏性导致的相似服务或相似用户缺失的问题。【方法】根据相似性距离分别为目标用户和服务构造个性化的相似性用户群体和服务群体, 同时使用用户和服务群体中心之间的群体相似性设计新的混合型推荐算法(GHQR)。【结果】使用197 万条真实Web 服务质量数据集的实验结果表明, 与UPCC 和IPCC 两种推荐算法相比, GHQR 的标准平均绝对误差(NMAE)平均下降31%、69%, 覆盖率平均提高105%、163%。【局限】实验仅对服务质量属性响应时间进行分析, 还需对其他Web 服务质量属性如吞吐率等进行验证。【结论】与WSRec 和CFBUGI 推荐算法相比, GHQR 的NMAE 平均下降26%、7.7%, 覆盖率平均提高188%、4%。GHQR 不仅能提高预测的准确性, 而且覆盖率也获得显著提高。