本发明公开了基于MapReduce模型的兴趣感知服务推荐方法,具体步骤如下:
步骤1:获取历史用户评论数据集; 步骤2:提取目标用户和历史用户的兴趣,包括提供相应的关键词列表和领域词库,目标用户表示当前需要被推荐的用户; 步骤3:对每个候选Web服务,计算目标用户与该候选Web服务的历史用户的相似度,寻找与目标用户相似的用户; 步骤4:根据加权平均方法,计算出目标用户对候选Web服务的个性化评分,为用户生成一个个性化的服务排名列表,并根据此排名列表进行推荐; 步骤5:采用Map-Reduce编程框架实现步骤2至步骤4,分为四个阶段进行并行处理。
| 专利名称 | 基于MapReduce模型的兴趣感知服务推荐方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201310405629.X |
| 申请号 | - | 专利申请日期 | 2013-09-06 |
| 专利授权日期 | 2013-12-18 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 窦万春;孟顺梅 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了基于MapReduce模型的兴趣感知服务推荐方法,包括以下步骤:步骤1:历史用户评论获取数据集;步骤2:根据本发明提供相应的关键词列表和领域词库提取目标用户和历史用户的兴趣,目标用户表示当前需要被推荐的用户;步骤3:对每个候选Web服务,计算目标用户与该候选Web服务的历史用户的相似度,为目标用户寻找相似的用户;步骤4:计算出目标用户和历史用户的相似度后,根据一种加权平均方法为目标用户预测出对于候选Web服务的个性化的评分,为目标用户提供一个个性化的服务排名列表,根据个性化的排名列表为用户推荐;步骤5:将步骤2至步骤4以Map-Reduce编程框架实现,分为四个阶段并行处理。 | ||