[发明专利]基于社交网络的服务推荐方法

权利要求书

1.一种基于社交网络的服务推荐方法，其特征在于，方法如下：

步骤①：判断是否完成推荐系统中每位用户个人偏好的构建，若已完成构建则转到步骤③，若未完成构建则转到步骤②；

步骤②：选择下一个未完成用户个人偏好构建的用户，首先初始化该用户特征向量CV_i＝＜category1,...,category_k＞中每个维度值为0；然后根据用户的历史服务调用记录，提取出已调用服务所属的服务类别并在特征向量的相应维度上加1；最后根据用户与用户之间的信任关系，找出当前用户信任的用户，并利用公式(1)更新该用户的特征向量，至此该用户的个人偏好已经构建完成；重新转到步骤①；

步骤③：判断推荐系统是否已完成活跃用户与其他用户之间相似度的计算，若已完成则转到步骤⑤，若未完成则转到步骤④；

步骤④：选择下一个未与活跃用户完成相似度计算的用户，首先得到该用户和活跃用户的个人偏好；然后利用公式(2)计算该用户与活跃用户之间的相似度值；重新转到步骤③；

步骤⑤：完成活跃用户与其他用户之间的相似度计算之后，对相似度值进行非递减排序，挑选出最相似的Top-M用户；

步骤⑥：判断是否已完成候选服务的rank score值的计算，若已完成则转到步骤⑧，若未完成则转到步骤⑦；

步骤⑦：从候选服务池中挑选下一个候选服务，所述候选服务池由来自相似用户已调用而活跃用户未调用的服务组成；首先在活跃用户所信任的用户中找到调用过该服务的用户形成用户集合set_sk；然后根据活跃用户与这些信任用户的相似度以及信任用户对该候选服务的评分利用公式(3)计算该候选服务的rank score值；重新转到步骤⑥；

步骤⑧：设置k个服务类别，在为活跃用户做推荐时分别在每个服务类别下推荐Top-K个服务；首先对候选服务按照服务类别进行分类；其次对每个服务类别下的候选服务按照rank score值进行非递增排序；最后在每个服务类别下选择Top-K个候选服务推荐给活跃用户；

其中，公式(1)为：其中0＜μ≤1，是一个平衡因子，T_ui表示用户u_i信任的用户集合；k个服务类别构成了用户特征向量的原型，表示为CV_i＝＜category₁,...,category_k＞，其中CV_j表示用户u_i的特征向量，category_j对应某个服务类别；

公式(2)为：sim(u_i，u_j)表示u_i和u_j之间的相似度；

公式(3)为：s_k表示某个候选服务；

推荐系统是由m位用户和n个Web服务组成，用U＝{u₁,u₂,...,u_m}和S＝{s₁,s₂,...，s_n}表示，用户的服务历史调用记录表示为IH_i＝{(s_i1,category_j,rate_i1),...,(s_in,category_j,rate_in)}，其中IH_i代表用户u_i，u_i∈U历史服务调用记录，s_i1表示用户u_i调用服务s₁，category_j，j＝1，…，k，表示某个服务类别，对服务按照功能属性进行细粒度的划分，设置了k个服务类别，rate_i1表示用户u_i对服务S₁的评分，三元组(s_i1,category_j,rate_i1)表示一次服务调用记录即表示用户u_i调用了服务S₁并且对S₁的评分为rate_i1。