[发明专利]一种基于隐语义概率模型的个性化服务推荐系统及方法

权利要求书

1.一种基于隐语义概率模型的个性化服务推荐系统，其特征在于包括：

历史信息收集模块：收集不同用户在不同服务情境下通过层次分析法自主提供的指标偏好比较矩阵，检查该矩阵满足一致性约束后，计算该矩阵最大特征值对应的特征向量，归一化后得出不同用户在不同服务情境下的指标偏好，并将用户，服务情境、指标偏好以三元组形式存入数据库，为隐语义概率模型参数训练模块提供历史训练数据；

隐语义概率模型参数训练模块：从数据库中获取历史信息收集模块收集的用户，服务情境、指标偏好三元组作为训练样本，根据事先设定的隐语义概率模型参数初值，利用EM算法在训练数据上迭代训练模型参数，直至模型参数收敛，保存所得训练参数，提供给个性化指标偏好预测模块；

用户服务推荐请求模块：该模块获取用户登录是提供的个性资料信息及用户登录后录入的需要进行服务推荐的服务情境信息，最后将这两项信息提供给个性化指标偏好预测模块；

个性化指标偏好预测模块：获取用户服务推荐请求模块提供的用户个人信息和服务情境信息，结合隐语义概率模型参数训练模块提供的已经训练好的模型参数，预测该用户在该服务情境下的指标偏好，并将预测的指标偏好提供过个性化服务推荐模块；

个性化服务推荐模块：接收来自个性化指标偏好模块的用户指标偏好，及来自用户服务推荐请求模块的服务情境信息，获取适用于该服务情境的所有功能相似的服务，及服务各维度的QoS指标值，与用户个性化的指标偏好作点积，给出服务的综合排序，作为推荐列表返回给用户，用户根据推荐的结果选择自己感兴趣的项目进行关注。

2.根据权利要求1所述的基于隐语义概率模型的个性化服务推荐系统，其特征在于：所述隐语义概率模型参数训练模块实现过程：

（1）从数据库中获取历史信息收集模块存入的用户、服务情境、指标偏好三元组，作为历史训练数据；

（2）人工设置用户隐类和服务情境隐类的个数，以及模型的参数初值，包括用户隐类和服务情境隐类的先验概率，单个用户在给定不同用户隐类时的条件概率，单则服务情境在给定不同服务情境隐类时的条件概率，以及各个指标偏好在给定不同用户隐类和不同服务情境隐类时的正态分布均值和方差；

（3）用EM算法，结合历史训练数据，对模型参数进行迭代训练，直至收敛，保存模型参数，提供给个性化指标偏好预测模块。