国家自然科学基金(61173176)
- 作品数：2 被引量：127H指数：1
- 相关作者：吴健陈克寒韩盼盼冯怡鹏陈亮更多>>
- 相关机构：浙江大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于QoS反向预测的服务推荐被引量：1
- 2013年
- 随着云计算的发展,互联网上涌现出越来越多的功能相同但服务质量(QoS)不同的Web服务.基于服务质量的服务推荐,旨在从这些等功能服务中挑选出满足用户服务质量需求的服务,已成为服务计算领域的一个热门课题.由于极少有用户曾调用过所有候选服务,推荐系统将面临服务质量缺失的问题,因此,基于协同过滤的思想,提出一种服务质量预测算法RST.与以往算法相比,RST算法利用反向预测机制解决数据稀疏问题,提高了预测准确度.此外,RST算法基于用户对推荐结果的反馈,自动建立与维护信任度模型,可动态改善预测效果.最后,基于真实的数据集,验证RST预测算法的效果,并衡量各参数对预测结果的影响.
- 冯怡鹏殷冰涛陈亮吴健
- 关键词：服务质量协同过滤用户反馈
- 基于用户聚类的异构社交网络推荐算法被引量：126
- 2013年
- 相比传统的社交网络,基于弱关系的微博类社交网络具有显著的异构特征.根据特征可以将节点分为用户(消息订阅者)和主题(消息发布者)两类,面向用户推荐其感兴趣的主题成为了该类社交网络中推荐系统的主要目标之一,同时该类社交网络中普遍存在的数据稀疏性和冷启动现象成为了推荐系统面临的主要问题.文中提出一种基于两阶段聚类的推荐算法GCCR,将图摘要方法和基于内容相似度的算法结合,实现基于用户兴趣的主题推荐.与以往方法相比,该方法在稀疏数据和冷启动的情况下具有更好的推荐效果,此外,通过对数据集进行大量的离线处理,使得其较以往推荐方法具有更好的在线推荐效率.最后通过真实社交网络的数据对本方法进行了验证,同时分析了各参数对推荐效果的影响.
- 陈克寒韩盼盼吴健
- 关键词：社交网络推荐系统聚类算法数据挖掘
