多属性协同过滤推荐在物流配送服务平台的应用

为了帮助用户选择尽可能满足其个性化偏好的物流配送服务,结合配送服务的多属性评分特点,本文构建了基于多属性协同过滤的推荐算法,对传统协同过滤算法进行了延伸与改进,首先预测目标用户对候选服务各属性的评分值,通过引入服务的个性化特征因子减小热门服务对用户相似度计算的误差,考虑到用户的服务属性评分存在波动性,使用信息熵将用户历史评分均值与协同过滤得到的预测值相结合进行修正,然后基于同一用户对不同属性评分波动性的差异,计算得到用户对服务所有属性的评分预测权重,将各属性的评分预测值与对应权重加权求和进行服务推荐.对配送服务交易的评分数据样本进行实验验证,在准确率和平均绝对误差指标上有较好的表现,将算法应用于物流配送服务平台,构建推荐系统,能够提高平台个性化服务能力.     

基于用户使用历史与信誉评价的Web API推荐

随着网络上发布的Web API服务越来越多,如何推荐给开发者用户感兴趣、信誉度高的Web API服务,以构建高质量高可信的软件服务系统,成为一个具有挑战性的研究问题。为此,提出一种基于用户使用历史与信誉评价的Web API服务推荐方法。计算用户使用历史记录与Web API之间的相似度,获得Web API的用户兴趣值。综合用户的Web API评分,调用Web API的Mashup服务的评价贡献和Alexa统计的Web API访问流量,获得Web API的信誉评价值。根据Web API的用户兴趣值以及信誉评价值,实现Web API的排名与推荐。实验结果表明,该方法推荐的Web API用户兴趣度DCG值高于SR-Based方法,服务信誉度DCG值高于UI-Based方法。     

一种动态混合QoS语义的Web服务个性化推荐模型

服务推荐是服务计算中的主要问题之一,当前大多针对功能属性进行推荐,而在Web服务的QoS属性方面考虑较少,并且不支持动态变化的QoS属性。基于动态混合QoS的语义Web服务个性化推荐模型,把语义Web技术引入Web服务中,在QoS监控器下,有效监测Web服务的QoS属性变化并动态更新Web服务的QoS属性。根据建立的用户兴趣模型,向用户推荐具有个性化的Web服务。此外,在个性化推荐系统中使用最广泛的协同过滤推荐技术基础上,对数据进行了一系列的预处理填充,而且充分考虑了不同时间的项目评分对推荐的影响。结合用户兴趣度和用户评分的相似性计算方法,并通过不同的权值来表示它们的重要程度,综合计算目标用户的最近邻居集合,最终对用户u产生推荐。该系统在一定程度上提高了服务推荐的效率和准确度并满足用户查询需求。     

基于用户空间位置评分云模型的Web服务协同过滤推荐算法

Web服务作为无形的产品,不具备真实环境下的空间地理位置坐标,针对服务推荐中无法衡量用户群体与Web服务之间的距离位置关系,造成用户相似度计算失衡,导致推荐不准确等问题,提出了基于用户空间位置评分云模型的Web服务协同过滤推荐算法.首先基于用户群体的行为数据量化Web服务的热度区域,通过空间位置量化评分描述用户对于Web服务的兴趣偏好;其次利用云模型来描述每个用户空间行为评分的整体特征,设计了云模型间相似贴近度的计算方法,基于该方法提出了一种用户差异程度系数评估算法,并作为调控系数优化了皮尔森相似度量;最后通过协同过滤找出用户感兴趣的Web服务.实验结果表明该算法使得用户行为偏好的区域划分更加精确,在推荐准确率上明显提高,为基于位置的Web服务推荐提供新颖的方案.     

融合多维信息的主题自适应Web API推荐方法

如何根据用户的自然语言需求描述自动生成或推荐用于解决问题的Web API服务集合,并辅助构建Mashup是业务流程管理者和服务组合者关注的热点之一.如何提高推荐的质量是大家关注的焦点.为此,本文提出一种融合多维信息的主题自适应Web API推荐方法HDP-FM（Hierarchical Dirichlet Processes-FactorizationMachines）为Mashup的创建推荐Web APIs集合.该方法以Web API的描述文档为语料库,利用HDP模型训练每个Web API的主题分布向量.其次,利用已生成的主题模型预测每个Mashup的主题分布向量,用于相似度的计算.最后将Mashup之间的相似度,WebAPI之间的相似度,Web API的流行度和共现性作为因子分解机模型的输入,评分排序获取用于推荐的Web APIs集合.为了验证HDP-FM方法的性能,本文使用从ProgrammableWeb平台上爬取的真实数据进行多组实验,实验结果表明,HDP-FM方法在准确率,召回率,F-measure和NDCG@N等方面具有较好的性能.     

一种基于项目属性评分的协同过滤推荐算法

协同过滤是电子商务推荐系统中应用最成功的推荐技术之一,但面临着严峻的用户评分数据稀疏性和推荐精度低等问题。针对数据稀疏性高和单一评分导致的推荐精度低等问题,提出一种基于项目属性评分的协同过滤推荐算法。首先通过均值法或缩放法构造用户-项目属性评分矩阵将单一评分转化为多评分;其次基于每个属性评分矩阵,计算用户间的偏好相似度,得到目标用户的偏好最近邻居集;然后针对每个最近邻居集,在用户-项目评分矩阵上完成对目标用户的初步评分预测;最后,将多个初步预测评分加权求和作为综合评分,完成推荐。在Movie Lens扩展数据集上的实验结果表明,该算法能有效提高推荐精度。     

基于动态QoS的Web服务选取方法

针对动态环境中Web服务QoS属性值波动的问题,提出一种基于动态QoS的服务选取方法。该方法首先建立区间QoS模型来表示QoS属性值的动态变化,然后用区间相似度衡量候选服务提供的QoS属性与用户需求值的接近程度。基于相似度的概念,采用逼近理想点的多属性决策方法计算出每个基本服务的QoS指标客观权重,并结合用户主观偏好得出QoS指标综合权重,最终基于推荐度对候选服务进行排序。仿真实验表明,此服务选取方法既充分考虑了用户的主观偏好,又克服了Web服务QoS属性值的波动影响,提高了服务选取的准确性。     

融合评分差异和兴趣相似性的协同过滤推荐算法

为了解决在传统的协同过滤推荐算法中存在的相似性计算不准确的问题,并提高推荐系统的质量,提出一种用户相似度计算方法。在用户共同评分的基础上,该方法根据评分差值和时间特征来计算评分差值的信息熵;然后,利用用户评分差值的信息熵和评分项目属性计算出用户的相似度;最后,根据用户相似度计算出用户的最近邻居,以此预测目标项目的评分。实验结果表明,所提算法更加准确地实现了目标用户最近邻居的查找,有效地提高了推荐的准确性。     

一种属性和评分的协同过滤混合推荐算法

传统协同过滤推荐算法仅仅根据稀疏的评分矩阵向用户推荐,存在推荐质量不高的问题。提出了一种属性和评分的协同过滤混合推荐算法。该算法由项目的类别属性计算项目之间基于属性的相似性,考虑到用户兴趣随时间的变化,构建评分时间权重的指数函数,并应用到项目之间的Pearson相关相似性中。通过权重因子加权项目之间基于属性的相似性和项目之间的Pearson相关相似性,然后计算基于项目属性的评分预测。描绘职业分类树,构建职业相似性模型,并与性别加权结合产生用户综合属性的相似性,得到基于用户属性的评分预测。最后,综合两者计算混合评分预测。在Movielens实验数据集下,实验结果表明提出的算法具有较好的平均绝对误差。     

一种属性和评分的协同过滤混合推荐算法

传统协同过滤推荐算法仅仅根据稀疏的评分矩阵向用户推荐,存在推荐质量不高的问题.提出了一种属性和评分的协同过滤混合推荐算法.该算法由项目的类别属性计算项目之间基于属性的相似性,考虑到用户兴趣随时间的变化,构建评分时间权重的指数函数,并应用到项目之间的Pearson相关相似性中.通过权重因子加权项目之间基于属性的相似性和项目之间的Pearson相关相似性,然后计算基于项目属性的评分预测.描绘职业分类树,构建职业相似性模型,并与性别加权结合产生用户综合属性的相似性,得到基于用户属性的评分预测.最后,综合两者计算混合评分预测.在Movielens实验数据集下,实验结果表明提出的算法具有较好的平均绝对误差.     

求解Web服务组合QoS优化的多属性决策及自适应遗传算法

随着面向服务计算(Service-oriented Computing,SOC)的不断发展,基于服务质量(Quality of Service,QoS)的Web服务组合研究成为了必然趋势。鉴于QoS属性的多维性及相互矛盾性,提出将基于QoS的Web服务组合优化问题转化为多属性决策问题进行求解。采用折中系数 对每个组合服务实例到正负理想点的距离进行累加求和,最终得到一组最优服务排序结果,用户可以根据自身偏好进行选择。传统的多属性决策方法无法有效地处理大规模的组合服务搜索空间,因此,为了有效地解决Web服务组合优化这一NP难题,提出一种结合多属性决策方法和自适应遗传算法的新型优化算法来解决该问题。实验采用真实的QoS综合服务数据集进行验证,实验结果表明,该方法能够在较短时间内找到全局近似最优解,且解集的排序结果接近于实际的最优服务排序。同时,该方法对于解决大规模的Web服务组合优化问题具有良好的可伸缩性。     

基于符号距离和交叉熵的概率犹豫模糊多属性决策方法

针对概率犹豫模糊环境下属性权重完全未知的多属性决策问题,提出基于符号距离和交叉熵的多属性决策方法.首先,定义用于测量决策者犹豫程度的3种概率犹豫模糊元的犹豫度:数值犹豫度,信息不完全度和总犹豫度,基于3种犹豫度提出概率犹豫模糊符号距离;然后,为了避免人为添加元素,定义调和概率犹豫模糊元,并结合信息不完全度提出概率犹豫模糊元的交叉熵;最后,根据概率犹豫模糊元的符号距离和交叉熵构建多属性决策模型,并通过算例验证了该模型的有效性和合理性.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

毕达哥拉斯模糊Heronian算子的多属性决策方法

针对毕达哥拉斯模糊环境下的多属性决策问题中的信息集成问题,其中方案的属性间相互关联相互影响,提出了一种毕达哥拉斯模糊Heronian算子的多属性决策方法。首先将毕达哥拉斯模糊数与Heronian算子相结合,提出了毕达哥拉斯模糊Heronian算子和毕达哥拉斯模糊加权Heronian算子,并讨论了这些算子的性质,给出了相应的证明。在此基础上,提出了基于毕达哥拉斯模糊Heronian算子的多属性决策方法;最后将其应用到国内四家航空公司服务质量评价中,说明了该算子的有效性和可行性。     

MADM method based on prospect theory and evidential reasoning approach with unknown attribute weights under intuitionistic fuzzy environment

This paper proposes an intuitionistic fuzzy decision method based on prospect theory and the evidential reasoning approach, aiming at analyzing multi-attribute decision making problems in which the criteria values are intuitionistic fuzzy numbers and the information of attributes weights is unknown. Firstly, the measures of entropy and cross entropy are defined for intuitionistic fuzzy sets by taking into consideration the preference of decision maker towards hesitancy degree. Secondly, combined with bounded rationality, the prospect decision matrix is calculated in the light of prospect theory and intuitionistic fuzzy distance. Thirdly, the correlational analyses are conducted between the attribute weights and three indicators which are entropy, cross entropy and prospect value, and optimization models for identifying attribute weights are built under the circumstances that the weights are incomplete and unknown. Finally, in order to avoid the loss of decision making information, the evidential reasoning approach is applied to the calculation of comprehensive prospective values for all alternatives. Following the value calculation, the ranking and the optimal alternative are determined based on the comprehensive prospective values. Illustrating examples demonstrate that the proposed method is reasonable and feasible.     

Pythagorean犹豫模糊交叉熵的多属性决策方法

针对决策信息为Pythagorean犹豫模糊数的多属性群决策问题,提出一种基于Pythagorean犹豫模糊交叉熵的多属性群决策方法。引入Pythagorean犹豫模糊交叉熵的概念。以Pythagorean犹豫模糊交叉熵作为决策信息差异程度的度量,提出专家权重和属性权重的确定模型。提出一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过光伏电站选址案例说明了该方法的可行性和有效性。     

对偶犹豫模糊集的相关系数及其应用

对偶犹豫模糊集因其可以给决策者提供更多的决策信息成为模糊决策的热点研究问题,相关性指标可以用来度量两个模糊信息之间的相关关系,熵可以用来度量模糊信息的不确定程度。提出了一种基于对偶犹豫模糊集相关系数和熵的模糊多属性群决策方法。定义了对偶犹豫模糊集相关系数的概念,讨论了其基本性质;提出了两种对偶犹豫模糊集的熵,在此基础上,给出了模糊多属性群决策的权重确定方法;基于对偶犹豫模糊集相关系数和熵,提出了一种属性权重完全未知条件下的模糊多属性群决策方法;通过案例分析说明了该方法的有效性和可行性。     

植入引导式层次聚类Mashup服务推荐算法*

针对传统Mashup服务推荐算法在关键字聚合搜索和网络构建等方式中计算复杂度过高的问题,提出一种基于语义标签的植入引导式层次聚类Mashup服务推荐算法。首先,为提高聚类算法的收敛精度,提高算法运行效率来满足大型数据搜索对算法简化的需求,采用数据预处理和植入易于获取具有代表性的样本数据对聚类进行引导,防止层次聚类算法顶层集分类失败导致的算法聚类失败。其次,利用改进的聚类算法结合实际的Mashup服务数据库,设计了植入引导式层次聚类Mashup服务推荐算法。最后,通过通过仿真对比表明,基于语义的植入式半监督层次聚类Mashup服务推荐算法的精度要好于对比算法,验证所提算法的有效性。     

区间直觉模糊连续熵及其多属性决策方法

提出了区间直觉模糊连续熵,并且研究了一种新的处理区间直觉模糊多属性决策问题的方法。基于连续有序加权平均（COWA）算子,给出了区间直觉模糊连续熵的概念,并且证明了区间直觉模糊连续熵满足区间直觉模糊熵的公理化定义的四个条件。在此基础上,针对属性权重信息完全未知的决策问题,通过衡量每一属性所含的信息量来确定属性权重。依据备选方案与理想方案间的加权相关系数,给出了一种新的区间直觉模糊多属性决策方法。实验结果验证了新的决策方法的可行性和有效性。     

基于模糊多目标决策的两跳中继蜂窝网络切换算法

简要介绍了在集成两跳Ad Hoc和蜂窝网络的结构下,触发网络进行切换的一些因素和两种路由代理发现算法,并且提出了一种新的基于模糊多目标决策方法的切换决定算法。算法从层次分析和模糊综合评价理论的思想出发,结合用户、终端、业务和网络信息,对网络链路的性能进行综合评价,选择出最适合用户业务请求的路径。仿真显示在用户可感知业务QoS下降的情况下,算法可以通过增加QoS的权重而切换到更好的网络链路上,从而为用户提供了“总是最好连接”的服务。