CN115438255A - 基于社会化标签的服务个性化推荐方法、装置及电子设备 - Google Patents
基于社会化标签的服务个性化推荐方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115438255A CN115438255A CN202210870116.5A CN202210870116A CN115438255A CN 115438255 A CN115438255 A CN 115438255A CN 202210870116 A CN202210870116 A CN 202210870116A CN 115438255 A CN115438255 A CN 115438255A
- Authority
- CN
- China
- Prior art keywords
- service
- user
- target user
- personalized
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000006870 function Effects 0.000 claims description 76
- 230000006399 behavior Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于社会化标签的服务个性化推荐方法、装置及电子设备,方法包括:建立面向服务的社会化标签模型;基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中获取第一目标服务推荐给所述目标用户。本发明通过建立社会化标签模型并为目标用户推荐符合用户个性化功能需求的目标服务,提高了向用户进行服务推荐的准确率。
Description
技术领域
本发明涉及信息服务技术领域,尤其涉及一种基于社会化标签的服务个性化推荐方法、装置及电子设备。
背景技术
随着网络上服务数量的不断增加,帮助用户在大量服务中找到满足其需求的服务成为一种挑战,而个性化推荐技术是解决上述问题的一种有效手段。已有的服务推荐方法存在如下问题:
现有服务推荐方法是在用户功能需求明确的前提下在众多功能相同或相似的服务基于服务质量Qos进行推荐,很少考虑如何向用户推荐满足其功能需求的服务。并且当前推荐方法在推荐时忽略用户的个性化需求,推荐结果跟用户需求不符,推荐的未必是用户需要的,而用户需要的未必会推荐。
因此,如何将用户需要的服务推荐给用户,提高服务推荐的准确率,是当前亟需解决的技术问题。
发明内容
本发明提供一种基于社会化标签的服务个性化推荐方法、装置及电子设备,用以解决现有技术中上述存在的缺陷,实现将用户需要的服务推荐给用户,提高服务推荐的准确率。
本发明提供一种基于社会化标签的服务个性化推荐方法,包括:
建立面向服务的社会化标签模型;
基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中获取第一目标服务推荐给所述目标用户。
根据本发明提供的一种基于社会化标签的服务个性化推荐方法,所述基于所述个性化功能需求在所述候选服务中确认第一目标服务推荐给所述目标用户之后,还包括:
基于所述社会化标签模型分析所述第一目标服务的质量特征,获取所述目标用户的个性化质量需求;
获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集;
基于所述目标用户的个性化质量需求和所述邻居用户集的服务使用情况从所述第一目标服务中获取第二目标服务,并将所述第二目标服务推荐给所述目标用户。
根据本发明提供的一种基于社会化标签的服务个性化推荐方法,所述基于所述目标用户和邻居用户的服务使用情况确认候选服务,包括:
获取所述目标用户使用服务的第一使用情况,以及所述邻居用户使用服务的第二使用情况;
基于所述第一使用情况和第二使用情况确认候选服务;
其中,所述第一使用情况为未使用服务,所述第二使用情况为已使用服务。
根据本发明提供的一种基于社会化标签的服务个性化推荐方法,所述基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,包括:
基于所述社会化标签模型对所述候选服务的功能特征进行聚类,得到多个功能相互独立的功能服务类;
基于所述社会化标签模型获取所述目标用户对每个所述功能服务类的个性化偏好,并基于所述个性化偏好确认所述目标用户的个性化功能需求。
根据本发明提供的一种基于社会化标签的服务个性化推荐方法,所述获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集,包括:
基于所述社会化标签模型对每个所述功能服务类的候选服务进行聚类,得到多个质量服务类;
基于所述目标用户的服务使用情况获取对所述质量服务类的使用频率;
基于所述使用频率构建所述目标用户的第一特征向量,并构建所述邻居用户的第二特征向量;
基于所述第一特征向量和第二特征向量获取所述目标用户和邻居用户之间的相似性,并对所述相似性对所述邻居用户进行筛选;
将达到目标阈值的邻居用户保留,并建立邻居用户集。
根据本发明提供的一种基于社会化标签的服务个性化推荐方法,所述建立面向服务的社会化标签模型,包括:
基于待推荐用户和用户数目建立用户集,以及基于待推荐服务和服务数目建立服务集;
基于所述待推荐服务的功能属性和质量属性对所述待推荐服务标注服务标签,得到功能标签和质量标签,并基于所述功能标签和质量标签建立服务标签集;
获取所述用户集、服务集以及服务标签集中各个待推荐用户、待推荐服务以及服务标签的对应关系,并基于所述对应关系建立三元组集;
基于所述用户集、服务集、服务标签集以及三元组建立所述面向服务的社会化标签模型。
本发明还提供一种基于社会化标签的服务个性化推荐装置,包括:
建立模块,用于建立面向服务的社会化标签模型;
确认模块,用于基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
第一推荐模块,用于基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中确认第一目标服务推荐给所述目标用户。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于社会化标签的服务个性化推荐方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于社会化标签的服务个性化推荐方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述基于社会化标签的服务个性化推荐方法。
本发明提供的基于社会化标签的服务个性化推荐方法、装置及电子设备,通过建立面向服务的社会化标签模型,然后基于社会化标签模型分析目标用户的行为特征,得到目标用户的邻居用户,并基于目标用户和邻居用户的服务使用情况确认候选服务,进一步基于社会化标签模型分析候选服务的功能特征,获取目标用户的个性化功能需求,并基于个性化功能需求在候选服务中获取第一目标服务推荐给目标用户。本发明通过建立社会化标签模型并为目标用户推荐符合用户个性化功能需求的目标服务,提高了向用户进行服务推荐的准确率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的基于社会化标签的服务个性化推荐方法的流程示意图之一;
图2是本发明提供的基于社会化标签的服务个性化推荐方法的流程示意图之二;
图3是本发明提供的基于社会化标签的服务个性化推荐方法的流程示意图之三;
图4是本发明提供的基于社会化标签的服务个性化推荐装置的结构示意图;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,本发明提供的基于社会化标签的服务个性化推荐方法,包括以下步骤:
步骤110,建立面向服务的社会化标签模型。
需要首先指出的是,本实施例中的服务是指基于网络环境的具有自适应性、自描述、模块化和良好互操作能力等特点的软件实体。标签是用户为自己发布的信息或浏览的信息自由添加的个性化标识。与关键词不同,标签不受词表与标识权限的限制,用户添加的标签可以是词汇、句子、标点、符号等。标签是一种表示用户兴趣和资源语义的的重要方式,当一个用户对某一资源打上一个标签,这个标签一方面描述了用户的兴趣,另一方面则表示了资源的语义,从而将用户和资源联系起来。
具体地,本实施例中的社会化标签模型是通过大数据采集,将待推荐用户、待推荐服务、服务标签以及上述三者的对应关系建立的。可将模型定义为一个二元组W={F,Q},其中F为服务的功能属性集合;Q是服务非功能属性集合,主要指服务质量Qos。
服务质量QoS从多个方面描述了服务的非功能属性,是指服务能响应预期请求、并能够以符合服务提供者和用户预期的质量完成相关任务的能力。常用的QoS属性参数有如下几个:
可用性:表示服务在某个时期内能够正常运行的概率,取值范围是0到1之间:服务的可用性越高,意味着其能够正常提供服务的可能性越大。
可靠性:服务成功执行的概率。高质量的服务应当是稳定的、可靠的,可靠性直接影响请求者对服务提供者的评价,只有稳定可靠的服务才是值得信赖的。
服务价格:每次服务完成所需要花费的代价。
响应时间:服务请求者和服务提供者之间递送服务所花的时间,包括服务时间和来回通信所花的时间。
服务质量Qos的不同属性参数具有不同的意义,有的属性参数值越高表示服务质量越好(如服务可用性),有的属性参数值越低就表示服务质量越好(如响应时间)。由于QoS的不同属性参数拥有不同的取值范围,在应用中往往需要采用“最小-最大规格化方法”将QoS的不同属性参数值进行规格化。如公式(1),公式(2)所示。
公式(1)(2)中,qi和q′'分别是规格化前后的服务质量Qos属性参数值,max(qi)和min(qi)分别是属性参数值范围的上下限。若是值越大越好的Qos属性参数,采用公式(1)进行规格化,否则根据公式(2)进行规格化,规格化后Qos属性参数值的取值范围是[0,1]。
步骤120,基于社会化标签模型分析目标用户的行为特征,基于行为特征得到目标用户的邻居用户,并基于目标用户和邻居用户的服务使用情况确认候选服务。
具体地,本实施例利用建立的社会化标签模型对目标用户的行为特征进行分析。与目标用户兴趣爱好相同或者相似的其他用户作为邻居用户,可以通过邻居用户来找到目标用户可能感兴趣的服务。
首先基于面向服务的社会化标签模型分析用户行为特征,根据用户行为特征找到目标用户的邻居用户,将邻居用户使用过但目标用户未用过的服务作为进行推荐的候选服务。
步骤130,基于社会化标签模型分析候选服务的功能特征,获取目标用户的个性化功能需求,并基于个性化功能需求在候选服务中获取第一目标服务推荐给目标用户
具体地,本实施例利用建立的社会化标签模型对候选服务的功能特征进行分析,获得目标用户的个性化偏好,即对候选服务的个性化需求,然后根据目标用户的个性化需求从候选服务中选择第一目标服务作为满足用户功能需求的服务,并推荐给目标用户,从而达到满足用户需求的服务推荐的目的。
本发明实施例提供的基于社会化标签的服务个性化推荐方法,通过建立面向服务的社会化标签模型,然后基于社会化标签模型分析目标用户的行为特征,得到目标用户的邻居用户,并基于目标用户和邻居用户的服务使用情况确认候选服务,进一步基于社会化标签模型分析候选服务的功能特征,获取目标用户的个性化功能需求,并基于个性化功能需求在候选服务中获取第一目标服务推荐给目标用户。本发明通过建立社会化标签模型并为目标用户推荐符合用户个性化功能需求的目标服务,提高了向用户进行服务推荐的准确率。
参照图2,基于以上实施例,所述基于所述个性化功能需求在所述候选服务中确认第一目标服务推荐给所述目标用户之后,还包括以下步骤:
步骤210,基于所述社会化标签模型分析所述第一目标服务的质量特征,获取所述目标用户的个性化质量需求;
步骤220,获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集;
步骤230,基于所述目标用户的个性化质量需求和所述邻居用户集的服务使用情况从所述第一目标服务中获取第二目标服务,并将所述第二目标服务推荐给所述目标用户。
具体地,本实施还提供了根据用户的个性化需求进行服务质量Qos的服务推荐方式。在众多具有相同或相似功能的服务中,用户使用过的服务有限,由此产生的数据稀疏性问题必将减少邻居用户被发现的可能,降低推荐结果的准确性。为了更好地发现邻居用户,通过对邻居用户进行筛选,得到邻居用户集,从而达到与目标用户相似性更高的用户。
本实施例以面向服务的社会化标签模型为依据分析服务质量Qos特征,对第一目标服务进行服务质量的分析,获取用户的个性化质量服务需求。然后根据目标用户的个性化质量服务需求以及邻居用户集对服务使用情况,从第一目标服务中选择第二目标服务作为满足用户质量需求的服务,并推荐给目标用户,从而达到满足用户需求的服务推荐的目的。
本发明实施例提供的基于社会化标签的服务个性化推荐方法,通过对第一目标服务的质量特征进行分析得到目标用户的个性化质量服务需求,以及对邻居用户进行筛选,获取和目标用户相似性更高的用户,从而利用目标用户的个性化质量需求和邻居用户集中用户的服使用情况确认第二目标服务推荐给目标用户。本发明实施例为目标用户推荐符合用户个性化质量需求的目标服务,针对基于服务质量的推荐过程中面临的数据稀疏性问题,考虑用户对服务质量的需求,在众多功能相同或相似的服务中为用户推荐满足其个性化服务质量需求的服务,提高了向用户进行服务推荐的准确率和精度。
基于以上实施例,所述基于所述目标用户和邻居用户的服务使用情况确认候选服务,包括:
获取所述目标用户使用服务的第一使用情况,以及所述邻居用户使用服务的第二使用情况;
基于所述第一使用情况和第二使用情况确认候选服务;
其中,所述第一使用情况为未使用服务,所述第二使用情况为已使用服务。
具体地,本实施例提供了候选服务的确定方式。首先根据目标用户使用服务的第一使用情况确认目标用户未使用过该服务,并且根据邻居用户使用服务的第二使用情况确认邻居用户使用过该服务,并将该服务作为候选服务。也就是说,将邻居用户使用过但目标用户未用过的服务作为进行推荐的候选服务。
本发明实施例提供的基于社会化标签的服务个性化推荐方法,通过根据目标用户和邻居用户的服务使用情况,确认候选服务,从而能够根据目标用户的个性化功能需求从候选服务中选取目标服务推荐给目标用户,提高了向用户进行服务推荐的准确率。
基于以上实施例,所述基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,包括:
基于所述社会化标签模型对所述候选服务的功能特征进行聚类,得到多个功能相互独立的功能服务类;
基于所述社会化标签模型获取所述目标用户对每个所述功能服务类的个性化偏好,并基于所述个性化偏好确认所述目标用户的个性化功能需求。
具体地,本实施例提供了对候选服务进行聚类并根据聚类类别进行用户个性化需求确认的过程。
首先,利用面向服务的社会化标签模型分析服务功能特征,基于服务的功能特征将候选服务聚集成若干个功能相互独立的功能服务类。然后,通过面向服务的社会化标签模型分析用户对服务功能的个性化偏好,在此基础上获得目标用户对功能服务类的偏好。最后,根据目标用户对功能服务类的偏好确认用户的个性化功能需求,并根据个性化功能需求将功能服务类的服务推荐给目标用户。
本发明实施例提供的基于社会化标签的服务个性化推荐方法,通过对候选服务进行聚类,并根据聚类类别确认用户的个性化功能需求,利用聚类更加精确地从候选服务中选取目标服务推荐给目标用户,提高了向用户进行服务推荐的准确率。
基于以上实施例,所述获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集,包括:
基于所述社会化标签模型对每个所述功能服务类的候选服务进行聚类,得到多个质量服务类;
基于所述目标用户的服务使用情况获取对所述质量服务类的使用频率;
基于所述使用频率构建所述目标用户的第一特征向量,并构建所述邻居用户的第二特征向量;
基于所述第一特征向量和第二特征向量获取所述目标用户和邻居用户之间的相似性,并对所述相似性对所述邻居用户进行筛选;
将达到目标阈值的邻居用户保留,并建立邻居用户集。
具体地,本实施例提供了对邻居用户进行相似性筛选的过程。
首先,需要对每个功能服务类的候选服务再次进行聚类,即二次聚类,得到多个质量服务类。然后,根据目标用户的使用情况获取对每个质量服务类的使用频率。进一步地,根据使用频率构建目标用户的行为特征向量,即第一特征向量,以及邻居用户的第二特征向量。再进一步地,利用第一特征向量和第二特征向量进行相似性计算,并根据计算结果对邻居用户进行筛选。最后,将计算结果大于目标阈值的邻居用户保留,并建立邻居用户集。
本发明实施例提供的基于社会化标签的服务个性化推荐方法,通过对功能服务类的候选服务再次进行聚类,然后对每个邻居用户进行相似性计算和筛选,从而得到与目标用户更加相似的邻居用户集,在功能相同或相似的服务中选取相似度更高的邻居用户,便于后续为用户推荐更加满足其个性化服务质量需求的服务,进一步提高了向用户进行服务推荐的准确率和精度。
基于以上实施例,所述建立面向服务的社会化标签模型,包括:
基于待推荐用户和用户数目建立用户集,以及基于待推荐服务和服务数目建立服务集;
基于所述待推荐服务的功能属性和质量属性对所述待推荐服务标注服务标签,得到功能标签和质量标签,并基于所述功能标签和质量标签建立服务标签集;
获取所述用户集、服务集以及服务标签集中各个待推荐用户、待推荐服务以及服务标签的对应关系,并基于所述对应关系建立三元组集;
基于所述用户集、服务集、服务标签集以及三元组建立所述面向服务的社会化标签模型。
具体地,用户集U={u1,u2,u3,…,um};其中,u是每个待推荐用户,m是用户数目;服务集S={s1,s2,s3,…,sn},其中,s是每个待推荐服务,n是服务数目;服务标签集T={tag1,…,tagi},n是服务标签,i为服务标签数目;A三元组={<u,t,s>,u∈U,t∈T,s∈S},三元组A表示用户u使用标签t对服务s进行标注。社会化标签模型ST=<U,S,T,A>。
需要说明的是,对于不同的用户来说,服务所能提供的功能是固定的,但当不同的用户使用同一服务后可能得到不同的Qos属性参数值,由此我们可认为服务的功能属性属于静态属性,而服务的Qos属性是动态属性。为了利用社会化标签对包含静态属性和动态属性的服务进行刻画,本文对社会化标签进行扩展,为社会化标签都赋予“标签名”及“标签值”的概念。我们将用户标注服务时所用的扩展后的社会化标签称为“服务标签”,由于服务是由功能属性及Qos属性组成的二元组,故“服务标签”可以分为功能标签和Qos标签。
服务标签集tag=<name:value>;其中,name为标签名,value为标签值。name是描述服务功能或Qos属性的“关键字”。
服务的功能标签初始值value是0,可以使用功能标签对服务进行标注,用户每使用一个功能标签对服务进行标注,该服务相应的功能标签值value就加1,服务的某一功能标签值可用来表示用户集体智能产生的对该服务功能的本质属性描述;而用户所选择的功能标签能直接反映用户的偏好所在。
服务的Qos标签值是用户调用服务后用户反馈的一种关于服务质量Qos属性参数值的规格化后结果,Qos标签初始值是0,不同的用户调用同一服务后得到的Qos标签值不一定相同。
由于服务可能有多个功能特征及Qos属性特征,为了方便用户使用服务标签对服务进行标注,并且避免由于用户可以不受限制地自主创建标签对资源进行标注的行为而造成的标签数量冗余、质量低及利用率低等问题,所有服务共享一个包含若干个“服务标签”的服务标签集,服务标签集中“服务标签”的种类及数量均是预先定义好且保持不变的,用户不能自己创建“服务标签”。
用户使用了一个服务后可以选择服务标签集中的服务标签将其进行标注,因此面向服务的社会化标签模型ST可以用四元组定义。
在面向服务的社会化标签模型中,用户所使用过的服务标签能够反映用户的兴趣,而被用来标注服务的服务标签能在客观上反映服务的功能属性及Qos属性特征。这些都为服务的个性化推荐提供了良好的依据。
本发明实施例提供的基于社会化标签的服务个性化推荐方法,通过建立用户集、服务集、服务标签集以及三元组建立面向服务的社会化标签模型,便于基于模型进行目标用户的服务功能的个性化推荐和服务质量的个性化推荐,从而提升向用户推荐服务的准确性。
参照图3,本发明提供的基于社会化标签的服务个性化推荐方法是运行于虚拟系统上的,其系统包括:
用户登录注册模块310。用户可以在系统中为自己注册ID。注册用户可以完成登录,成功登录后根据权限跳转到不同的界面。
在用户登录前先判断用户是否已经注册,如果用户是已注册,那么用户就将被要求输入相关的登录信息。用户输入完毕后提交表单,如果表单数据与数据库一致,那么将登录行为将成功结束。如果匹配失败,那么就会跳回登录页面,要求用户重新输入登录信息。如果用户想要注册新账户,用户点击注册后会跳入注册页面,注册页面中。用户需要填写用户名,密码等必要字段,填完后提交。如果用户提交信息符合格式,那么会直接跳转至登录界面。如果用户提交信息不正确,那么会重新返回注册界面并要求输入注册信息。
服务信息管理模块320。管理员登录系统后可以增加、删除、修改服务信息。
管理员登录后可以对服务信息进行管理,其中包含对服务信息的增加、修改和删除。管理员点击服务信息管理页面中的增加服务信息链接后,系统会弹出增加服务信息的页面,在这个页面中管理员可以输入服务的名称、服务访问地址等信息,当服务信息填写完成后点击确定按钮即可将服务信息添加到数据库中;同样的,当管理员需要对服务信息进行修改时,可以点击服务信息管理页面中该服务后面的修改链接跳转至服务信息修改页面,在该页面中管理员可以对服务名称、服务访问地址等信息进行修改,修改完成后点击确定按钮即可将改动保存到数据库;若管理员需要删除某个服务,则可以点击服务后面对应的删除链接将相关服务信息记录从数据库中删除。
功能标签管理模块330。管理员登录系统后可以增加、删除、修改功能标签。
管理员登录后可以对功能标签进行管理,其中包含对功能标签的增加、修改和删除。管理员点击功能标签管理页面中的增加按钮后,系统会跳转至增加功能标签页面,在这个页面中管理员输入功能标签的名称后点击确定按钮即可将功能标签添加到数据库中;同样的,当管理员需要对功能标签进行修改时,可以点击功能标签管理页面中相应标签后面的修改链接跳转至功能标签修改页面,并在该页面中对功能标签名称进行修改,修改完成后点击确定按钮即可将改动保存到数据库;若管理员需要删除某个功能标签,则可以点击标签后面对应的删除按钮将相关标签信息记录从数据库中删除。
用户信息管理模块340。管理员登录系统后具有查看、增加用户信息等权限。
管理员登录后可以管理用户信息,其中包括添加不同权限的用户、删除普通用户、修改自己登陆密码等。
用户标注服务模块350。用户登录后点击服务后可使用已有的功能标签对服务进行标注并对反馈相应的Qos标签值。
用户点击服务后进入相关页面可以用系统提供的功能标签对服务进行标注并反馈服务Qos标签值,操作完成后若用户点击确定按钮会将整个过程中所产生的数据提交到数据库中保存,否则就不保存数据直接结束。
数据预处理模块360。该主要用来收集用户对服务进行标注过程中所产生的各种数据。
系统可以通过数据库接口查询数据库中的各个数据表统计获得用户对服务的使用频率、用户对服务功能标签的使用频率、统计服务的各个功能标签出现频率、用户使用服务后获得的Qos标签值等信息,为个性化推荐提供依据。
功能服务类推荐模块370。根据用户对服务功能的个性化偏好推荐功能服务类,每一个被推荐的功能服务类中包含若干个功能相同或相似的服务。
系统首先根据基于用户对服务的使用频率的用户行为特征向量计算用户之间的相似性,找到目标用户的K个邻居用户,然后将目标用户的K个邻居用户曾经使用过但目标用户自己未使用过的服务构成候选服务集,并依据服务的功能特征向量将这些服务聚成M个功能服务类,并计算目标用户对每个功能服务类的偏好,若目标用户偏好值大于阈值α,则推荐该功能服务类。
个性化服务推荐模块380。依据用户对服务质量的个性化偏好在众多功能相同或相似的服务中向用户推荐单个服务。
系统首先根据服务Qos对由功能相同或相似服务组成的服务类中的服务进行聚类,得到C个Qos服务类;然后基于用户对Qos服务类的使用频率计算用户之间的相似性,找到目标用户的N个邻居用户,然后将目标用户的N个邻居用户最近使用过的功能服务类中的n个服务推荐给目标用户。
下面对本发明提供的基于社会化标签的服务个性化推荐装置进行描述,下文描述的基于社会化标签的服务个性化推荐装置与上文描述的基于社会化标签的服务个性化推荐方法可相互对应参照。
参照图4,本发明提供的基于社会化标签的服务个性化推荐装置,包括:建立模块410、确认模块420以及第一推荐模块430。
建立模块410,用于建立面向服务的社会化标签模型;
确认模块420,用于基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
第一推荐模块430,用于基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中确认第一目标服务推荐给所述目标用户。
基于以上实施例,还包括:质量需求获取模块、筛选模块以及第二推荐模块;
质量需求获取模块,用于基于所述社会化标签模型分析所述第一目标服务的质量特征,获取所述目标用户的个性化质量需求;
筛选模块,用于获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集;
第二推荐模块,用于基于所述目标用户的个性化质量需求和所述邻居用户集的服务使用情况从所述第一目标服务中获取第二目标服务,并将所述第二目标服务推荐给所述目标用户。
基于以上实施例,确认模块具体用于:
获取所述目标用户使用服务的第一使用情况,以及所述邻居用户使用服务的第二使用情况;
基于所述第一使用情况和第二使用情况确认候选服务;
其中,所述第一使用情况为未使用服务,所述第二使用情况为已使用服务。
基于以上实施例,第一推荐模块具体用于:
基于所述社会化标签模型对所述候选服务的功能特征进行聚类,得到多个功能相互独立的功能服务类;
基于所述社会化标签模型获取所述目标用户对每个所述功能服务类的个性化偏好,并基于所述个性化偏好确认所述目标用户的个性化功能需求。
基于以上实施例,筛选模块具体用于:
基于所述社会化标签模型对每个所述功能服务类的候选服务进行聚类,得到多个质量服务类;
基于所述目标用户的服务使用情况获取对所述质量服务类的使用频率;
基于所述使用频率构建所述目标用户的第一特征向量,并构建所述邻居用户的第二特征向量;
基于所述第一特征向量和第二特征向量获取所述目标用户和邻居用户之间的相似性,并对所述相似性对所述邻居用户进行筛选;
将达到目标阈值的邻居用户保留,并建立邻居用户集。
基于以上实施例,建立模块具体用于:
基于待推荐用户和用户数目建立用户集,以及基于待推荐服务和服务数目建立服务集;
基于所述待推荐服务的功能属性和质量属性对所述待推荐服务标注服务标签,得到功能标签和质量标签,并基于所述功能标签和质量标签建立服务标签集;
获取所述用户集、服务集以及服务标签集中各个待推荐用户、待推荐服务以及服务标签的对应关系,并基于所述对应关系建立三元组集;
基于所述用户集、服务集、服务标签集以及三元组建立所述面向服务的社会化标签模型。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行基于社会化标签的服务个性化推荐方法,该方法包括:
建立面向服务的社会化标签模型;
基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中获取第一目标服务推荐给所述目标用户。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的基于社会化标签的服务个性化推荐方法,该方法包括:
建立面向服务的社会化标签模型;
基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中获取第一目标服务推荐给所述目标用户。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的基于社会化标签的服务个性化推荐方法,该方法包括:
建立面向服务的社会化标签模型;
基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中获取第一目标服务推荐给所述目标用户。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于社会化标签的服务个性化推荐方法,其特征在于,包括:
建立面向服务的社会化标签模型;
基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中获取第一目标服务推荐给所述目标用户。
2.根据权利要求1所述的基于社会化标签的服务个性化推荐方法,其特征在于,所述基于所述个性化功能需求在所述候选服务中确认第一目标服务推荐给所述目标用户之后,还包括:
基于所述社会化标签模型分析所述第一目标服务的质量特征,获取所述目标用户的个性化质量需求;
获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集;
基于所述目标用户的个性化质量需求和所述邻居用户集的服务使用情况从所述第一目标服务中获取第二目标服务,并将所述第二目标服务推荐给所述目标用户。
3.根据权利要求1所述的基于社会化标签的服务个性化推荐方法,其特征在于,所述基于所述目标用户和邻居用户的服务使用情况确认候选服务,包括:
获取所述目标用户使用服务的第一使用情况,以及所述邻居用户使用服务的第二使用情况;
基于所述第一使用情况和第二使用情况确认候选服务;
其中,所述第一使用情况为未使用服务,所述第二使用情况为已使用服务。
4.根据权利要求1所述的基于社会化标签的服务个性化推荐方法,其特征在于,所述基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,包括:
基于所述社会化标签模型对所述候选服务的功能特征进行聚类,得到多个功能相互独立的功能服务类;
基于所述社会化标签模型获取所述目标用户对每个所述功能服务类的个性化偏好,并基于所述个性化偏好确认所述目标用户的个性化功能需求。
5.根据权利要求4所述的基于社会化标签的服务个性化推荐方法,其特征在于,所述获取所述目标用户和邻居用户之间的相似性,并基于所述相似性对所述邻居用户进行筛选,得到邻居用户集,包括:
基于所述社会化标签模型对每个所述功能服务类的候选服务进行聚类,得到多个质量服务类;
基于所述目标用户的服务使用情况获取对所述质量服务类的使用频率;
基于所述使用频率构建所述目标用户的第一特征向量,并构建所述邻居用户的第二特征向量;
基于所述第一特征向量和第二特征向量获取所述目标用户和邻居用户之间的相似性,并对所述相似性对所述邻居用户进行筛选;
将达到目标阈值的邻居用户保留,并建立邻居用户集。
6.根据权利要求1-5任一项所述的基于社会化标签的服务个性化推荐方法,其特征在于,所述建立面向服务的社会化标签模型,包括:
基于待推荐用户和用户数目建立用户集,以及基于待推荐服务和服务数目建立服务集;
基于所述待推荐服务的功能属性和质量属性对所述待推荐服务标注服务标签,得到功能标签和质量标签,并基于所述功能标签和质量标签建立服务标签集;
获取所述用户集、服务集以及服务标签集中各个待推荐用户、待推荐服务以及服务标签的对应关系,并基于所述对应关系建立三元组集;
基于所述用户集、服务集、服务标签集以及三元组建立所述面向服务的社会化标签模型。
7.一种基于社会化标签的服务个性化推荐装置,其特征在于,包括:
建立模块,用于建立面向服务的社会化标签模型;
确认模块,用于基于所述社会化标签模型分析目标用户的行为特征,基于所述行为特征得到所述目标用户的邻居用户,并基于所述目标用户和邻居用户的服务使用情况确认候选服务;
第一推荐模块,用于基于所述社会化标签模型分析所述候选服务的功能特征,获取所述目标用户的个性化功能需求,并基于所述个性化功能需求在所述候选服务中确认第一目标服务推荐给所述目标用户。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述基于社会化标签的服务个性化推荐方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于社会化标签的服务个性化推荐方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于社会化标签的服务个性化推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210870116.5A CN115438255A (zh) | 2022-07-22 | 2022-07-22 | 基于社会化标签的服务个性化推荐方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210870116.5A CN115438255A (zh) | 2022-07-22 | 2022-07-22 | 基于社会化标签的服务个性化推荐方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115438255A true CN115438255A (zh) | 2022-12-06 |
Family
ID=84240751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210870116.5A Pending CN115438255A (zh) | 2022-07-22 | 2022-07-22 | 基于社会化标签的服务个性化推荐方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115438255A (zh) |
-
2022
- 2022-07-22 CN CN202210870116.5A patent/CN115438255A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170293865A1 (en) | Real-time updates to item recommendation models based on matrix factorization | |
US11379296B2 (en) | Intelligent responding to error screen associated errors | |
US20180314853A1 (en) | Identifying personally identifiable information in machine-generated data | |
US7809667B1 (en) | Rule-based network resource compliance | |
US10962939B1 (en) | Fine-grain content moderation to restrict images | |
US20080301666A1 (en) | System for aggregating content data and methods relating to analysis of same | |
CN105493045A (zh) | 虚拟计算实例迁移 | |
US10592782B2 (en) | Image analysis enhanced related item decision | |
CN107103011B (zh) | 终端数据搜索的实现方法和装置 | |
CN110737706A (zh) | 数据管理方法、装置、设备及计算机可读存储介质 | |
US10182104B1 (en) | Automatic propagation of resource attributes in a provider network according to propagation criteria | |
CN104869048A (zh) | 微博数据的分组处理方法、装置及系统 | |
CN110166522A (zh) | 服务器识别方法、装置、可读存储介质和计算机设备 | |
CN112597147A (zh) | 一种生成场景配置策略的方法、场景配置方法及其装置 | |
US11687568B2 (en) | Data catalog system for generating synthetic datasets | |
CN111507400A (zh) | 应用分类方法、装置、电子设备以及存储介质 | |
CN107645565A (zh) | 服务器状态信息的处理方法、装置、系统及处理器 | |
CN111475365A (zh) | 一种基于cookie的标签式AB测试方法及系统 | |
US10037417B1 (en) | Transformation of network activity data for user identification | |
CN111352676A (zh) | 帮助信息推送方法、帮助系统及可读存储介质 | |
US11210352B2 (en) | Automatic check of search configuration changes | |
CN116776030A (zh) | 灰度发布方法、装置、计算机设备、存储介质 | |
WO2020024824A1 (zh) | 一种用户状态标识确定方法及装置 | |
US11436509B2 (en) | Adaptive learning system for information infrastructure | |
CN115438255A (zh) | 基于社会化标签的服务个性化推荐方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |