作者：曹继承; 朱小柯; 荆晓远; 吴飞协同过滤web服务推荐用户可信度聚类
摘要：协同过滤是推荐系统中广泛使用的一种推荐技术,但是目前多数基于协同过滤的Web服务推荐算法默认用户反馈数据是可信的,没有考虑到用户反馈数据中会出现的一些范围异常数据和恶意评价数据。如果没有对含有这些干扰数据的用户进行处理,最终的预测结果会受到严重的影响。在分析了用户反馈的服务质量（Qo S）数据的基础上,提出了一种基于用户可信度的Web服务推荐方法。计算用户的可信度并根据可信度对用户进行聚类,选取可信度高的类别中的数据进行协同过滤完成推荐,排除了范围异常数据以及恶意评价数据的干扰,避免了对预测结果的影响,最后使用平均绝对误差和均方根误差评判预测结果。实验结果表明,该方法能有效提高Qo S预测的准确率和Web服务的推荐质量。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
