專利名稱：一種基于組推薦的服務(wù)選取系統(tǒng)及其選取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，具體是ー種在開放的網(wǎng)絡(luò)環(huán)境中，利用組推薦和協(xié)同過濾技木，針對(duì)用戶団體，綜合考慮每個(gè)用戶的興趣，提出了極大化團(tuán)體滿意度的方法。
背景技術(shù)：
隨著軟件技術(shù)的不斷發(fā)展和成熟，越來(lái)越多的服務(wù)實(shí)現(xiàn)了相同或者相近的功能，在服務(wù)選取的過程中，如何最大化用戶的滿意度，真正做到面向用戶是現(xiàn)階段研究的ー個(gè)熱點(diǎn)問題。用戶從最初的只關(guān)心服務(wù)的功能，到越來(lái)越多地考慮非功能因素，如用戶體驗(yàn)，價(jià)格等。除此之外，隨著Twitter等社交類應(yīng)用的流行，用戶更多地表達(dá)自己的觀點(diǎn)，有效 地綜合利用這些反饋信息，能設(shè)計(jì)出高效有針對(duì)性的服務(wù)選取方法。另ー方面，Web2.0技術(shù)讓人們之間的聯(lián)系更加緊密，用戶更多地以集體地形式活動(dòng)，如聚餐，旅游等。傳統(tǒng)的服務(wù)選取方法基本是針對(duì)單個(gè)用戶的，在此情景下并不適用。傳統(tǒng)的方法綜合各種QoS因素提出了針對(duì)單個(gè)用戶的服務(wù)選取模型。但隨著社交網(wǎng)絡(luò)的出現(xiàn)和大量基于社交的服務(wù)的流行，人們更多以群體的形式進(jìn)行各式各樣的活動(dòng)。為了使最終選取的服務(wù)能夠盡可能符合每個(gè)用戶的興趣愛好，需要獲得單個(gè)用戶對(duì)可選服務(wù)的評(píng)價(jià)信息，但通常這樣的信息并不完整。實(shí)踐證明，推薦系統(tǒng)能有效地解決這類信息稀疏問題，通過分析用戶的興趣特點(diǎn)和歷史購(gòu)買行為對(duì)用戶進(jìn)行建摸?，F(xiàn)代電子商務(wù)網(wǎng)站如Amazon和Netflix借助推薦系統(tǒng)提供了個(gè)性化的決策支持和信息服務(wù)。目前的推薦系統(tǒng)方法按使用的內(nèi)容來(lái)分主要分為三類，一是計(jì)算用戶興趣與物品內(nèi)容數(shù)據(jù)的相似度，稱為內(nèi)容過濾的方法。ニ是利用用戶的歷史數(shù)據(jù)，計(jì)算用戶(物品)兩兩之間的相似度，根據(jù)領(lǐng)域來(lái)推薦的協(xié)同過濾方法。三是根據(jù)用戶在社會(huì)化關(guān)系網(wǎng)絡(luò)中的信任關(guān)系來(lái)推薦的社會(huì)化過濾方法。但是這些方法都不適用于針對(duì)団體用戶，無(wú)法綜合考慮每個(gè)用戶的興趣。而且現(xiàn)有的組推薦方法或者沒有考慮多QoS因素的情況，或者在擴(kuò)展性和效率方面存在缺陷。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于組推薦的服務(wù)選取系統(tǒng)及其選取方法，該系統(tǒng)針對(duì)用戶団體，綜合考慮每個(gè)用戶的興趣，極大化提高了団體的滿意度。本發(fā)明所述的ー種基于組推薦的服務(wù)選取系統(tǒng)，其工作在用戶及可滿足用戶基本功能的若干服務(wù)之間，該系統(tǒng)包括數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊和請(qǐng)求處理模塊，其中
數(shù)據(jù)獲取模塊接收各服務(wù)傳遞的數(shù)據(jù)，并轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊，
請(qǐng)求處理模塊接收用戶發(fā)送的查詢請(qǐng)求，并將查詢請(qǐng)求轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊，
數(shù)據(jù)處理模塊將處理后的結(jié)果經(jīng)請(qǐng)求處理模塊轉(zhuǎn)發(fā)給客戶。所述數(shù)據(jù)處理模塊還連接本地?cái)?shù)據(jù)存儲(chǔ)模塊用于存儲(chǔ)部分中間結(jié)果。
此外，本發(fā)明還提供了基于組推薦的服務(wù)選取系統(tǒng)的選取方法，其包括以下步驟
1)數(shù)據(jù)獲取模塊從服務(wù)中取得每個(gè)用戶的評(píng)分?jǐn)?shù)據(jù)，
2)數(shù)據(jù)處理模塊對(duì)用戶的評(píng)分進(jìn)行分析，獲得用戶的偏好特征，
3)請(qǐng)求處理模塊接收用戶發(fā)送的查詢請(qǐng)求，并將查詢請(qǐng)求轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊，當(dāng)一個(gè)組推薦請(qǐng)求到來(lái)時(shí)，處理模塊綜合組內(nèi)每個(gè)用戶的特征，為組整體建立模型，
4)采用協(xié)同過濾法獲取領(lǐng)域，生成整個(gè)組的推薦列表，并將推薦列表返回。上述步驟I)獲取的數(shù)據(jù)是〈Userid, Itemld, Ratings〉三元組的形式，其中Ratings是ー個(gè)多維向量,維度是指標(biāo)的個(gè)數(shù)。上述步驟2)的評(píng)分格式為
權(quán)利要求
1.一種基于組推薦的服務(wù)選取系統(tǒng)，其工作在用戶及可滿足用戶基本功能的若干服務(wù)之間，其特征在于，該系統(tǒng)包括數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊和請(qǐng)求處理模塊，其中 數(shù)據(jù)獲取模塊接收各服務(wù)傳遞的數(shù)據(jù)，并轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊， 請(qǐng)求處理模塊接收用戶發(fā)送的查詢請(qǐng)求，并將查詢請(qǐng)求轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊， 數(shù)據(jù)處理模塊將處理后的結(jié)果經(jīng)請(qǐng)求處理模塊轉(zhuǎn)發(fā)給客戶。
2.根據(jù)權(quán)利要求I所述的基于組推薦的服務(wù)選取系統(tǒng)，其特征在于，數(shù)據(jù)處理模塊還連接本地?cái)?shù)據(jù)存儲(chǔ)模塊用于存儲(chǔ)部分中間結(jié)果。
3.—種權(quán)利要求I所述基于組推薦的服務(wù)選取系統(tǒng)的選取方法，其特征在于包括以下步驟 1)數(shù)據(jù)獲取模塊從服務(wù)中取得每個(gè)用戶的評(píng)分?jǐn)?shù)據(jù)， 2)數(shù)據(jù)處理模塊對(duì)用戶的評(píng)分進(jìn)行分析，獲得用戶的偏好特征， 3)請(qǐng)求處理模塊接收用戶發(fā)送的查詢請(qǐng)求，并將查詢請(qǐng)求轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊，當(dāng)一個(gè)組推薦請(qǐng)求到來(lái)時(shí)，處理模塊綜合組內(nèi)每個(gè)用戶的特征，為組整體建立模型， 4)采用協(xié)同過濾法獲取領(lǐng)域，生成整個(gè)組的推薦列表，并將推薦列表返回。
4.根據(jù)權(quán)利要求3所述的基于組推薦的服務(wù)選取系統(tǒng)的選取方法，其特征在于，步驟1)獲取的數(shù)據(jù)是〈Userid,Itemld, Ratings〉三元組的形式，其中Ratings是一個(gè)多維向量，維度是指標(biāo)的個(gè)數(shù)。
5.根據(jù)權(quán)利要求3所述的基于組推薦的服務(wù)選取系統(tǒng)的選取方法，其特征在于，步驟2)的評(píng)分格式為
6.根據(jù)權(quán)利要求3所述的基于組推薦的服務(wù)選取系統(tǒng)的選取方法，其特征在于，步驟3)的具體過程為在獲得組內(nèi)每個(gè)用戶的評(píng)分比重后，對(duì)整個(gè)組建模，其用如下的公式描述
7.根據(jù)權(quán)利要求3所述的基于組推薦的服務(wù)選取系統(tǒng)的選取方法，其特征在于，步驟4)中采用協(xié)同過濾法獲取領(lǐng)域，生成整個(gè)組的推薦列表的具體過程為 協(xié)同過濾通過分析歷史數(shù)據(jù)為整個(gè)組的虛擬用戶推薦服務(wù)列表，其用如下的公式描述
全文摘要
本發(fā)明公開了一種基于組推薦的服務(wù)選取系統(tǒng)及其選取方法，該系統(tǒng)其工作在用戶及可滿足用戶基本功能的若干服務(wù)之間，包括數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊和請(qǐng)求處理模塊。選取方法為數(shù)據(jù)獲取模塊從服務(wù)中取得每個(gè)用戶的評(píng)分?jǐn)?shù)據(jù)，數(shù)據(jù)處理模塊對(duì)用戶的評(píng)分進(jìn)行分析，獲得用戶的偏好特征，請(qǐng)求處理模塊接收用戶發(fā)送的查詢請(qǐng)求，并將查詢請(qǐng)求轉(zhuǎn)發(fā)給數(shù)據(jù)處理模塊，當(dāng)一個(gè)組推薦請(qǐng)求到來(lái)時(shí)，處理模塊綜合組內(nèi)每個(gè)用戶的特征，為組整體建立模型，采用協(xié)同過濾法獲取領(lǐng)域，生成整個(gè)組的推薦列表，并將推薦列表返回。發(fā)明考慮多QoS因素的組推薦服務(wù)選取算法，并驗(yàn)證了該算法的正確性和高效性。并設(shè)計(jì)和實(shí)現(xiàn)了基于WebService的簡(jiǎn)單原型系統(tǒng)。
文檔編號(hào)G06F17/30GK102855333SQ20121036890
公開日2013年1月2日 申請(qǐng)日期2012年9月27日 優(yōu)先權(quán)日2012年9月27日
發(fā)明者呂建, 徐鋒, 劉濤 申請(qǐng)人:南京大學(xué)