一種基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)及方法
【專利摘要】本發(fā)明涉及一種基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)及方法，屬于服務(wù)計(jì)算【技術(shù)領(lǐng)域】，包括以下步驟：確定用于評價(jià)一系列功能相似服務(wù)的性能優(yōu)劣的QoS指標(biāo)體系；建立用戶、用戶指標(biāo)偏好以及服務(wù)情境三者之間的隱語義概率模型；收集系統(tǒng)內(nèi)不同用戶在不同的服務(wù)情境下使用不同功能的服務(wù)時(shí)通過與系統(tǒng)交互提供的指標(biāo)偏好信息，并存入歷史經(jīng)驗(yàn)數(shù)據(jù)庫；用已收集的數(shù)據(jù)訓(xùn)練隱語義概率模型的參數(shù)；當(dāng)用戶不熟悉某種服務(wù)情境，但需要在該服務(wù)情景下調(diào)用特定功能服務(wù)時(shí)，利用已訓(xùn)練的隱語義概率模型對該用戶的指標(biāo)偏好進(jìn)行預(yù)測；根據(jù)預(yù)測出的用戶個(gè)性化的QoS指標(biāo)偏好，對候選服務(wù)進(jìn)行綜合篩選，從中選出最貼近該用戶需求的服務(wù)，從而實(shí)現(xiàn)個(gè)性化服務(wù)推薦。
【專利說明】一種基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于服務(wù)計(jì)算【技術(shù)領(lǐng)域】，具體涉及一種基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)及方法。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，服務(wù)計(jì)算技術(shù)得到了廣泛應(yīng)用，Web服務(wù)就是這樣一種分布運(yùn)行于Internet之上、支持不同平臺之間互操作的松耦合軟件系統(tǒng)，它主要通過“發(fā)布-查找-綁定”的模式允許服務(wù)使用者和提供者之間形成松散的綁定關(guān)系，這為服務(wù)的使用奠定了基礎(chǔ)。但web服務(wù)的使用者和提供者相分離的特性，增加了服務(wù)使用者理解服務(wù)的難度，同時(shí)隨著Internet上運(yùn)行的web服務(wù)數(shù)量不斷增多，服務(wù)使用者需要從眾多功能相似的服務(wù)中選出最符合自身需求的一個(gè)或一組服務(wù)，這對大多數(shù)缺乏專業(yè)知識的服務(wù)使用者來說無疑是一項(xiàng)繁重的任務(wù)，所以發(fā)展有效的服務(wù)推薦技術(shù)是服務(wù)選擇的必然需求。
[0003]經(jīng)過對現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，中國專利申請?zhí)?00710162463.8，記載了一種自適應(yīng)服務(wù)推薦設(shè)備，該裝置主要包括:語義分析裝置、服務(wù)選擇裝置、服務(wù)推薦裝置；語義分析裝置用于對用戶的查詢進(jìn)行語義上的分析；服務(wù)選擇裝置用于找出與語義分析后的查詢對應(yīng)的選擇的服務(wù)，并根據(jù)選擇的服務(wù)更新服務(wù)相關(guān)數(shù)據(jù)庫；最后服務(wù)推薦裝置用于利用獲取的選擇的服務(wù)來查找服務(wù)相關(guān)數(shù)據(jù)庫以向用戶推薦相關(guān)服務(wù)。
[0004]進(jìn)一步檢索發(fā)現(xiàn)，中國專利申請?zhí)?00910236492.3，記載了一種個(gè)性化服務(wù)推薦系統(tǒng)和方法，該方法主要包括:用戶信息收集器監(jiān)控在終端進(jìn)行的各種操作信息，并進(jìn)行預(yù)處理后存入用戶信息數(shù)據(jù)庫，若用戶信息數(shù)據(jù)庫方法更新，則啟動用戶行為分析器進(jìn)行分析；用戶行為分析器掃描用戶信息數(shù)據(jù)庫，提取新的用戶信息并計(jì)入資源信息數(shù)據(jù)庫，計(jì)算新的推薦策略并記入推薦策略數(shù)據(jù)庫；上下文感知處理器感知用戶的當(dāng)前上下文，輸出當(dāng)前的上下文描述信息，啟動個(gè)性化推薦處理器；個(gè)性化推薦處理器接收來自上下文感知處理器的消息后，獲得當(dāng)前上下文信息，通過檢索推薦策略數(shù)據(jù)庫，獲得匹配的左右推薦策略，并按照左右推薦策略通過檢索資源信息數(shù)據(jù)庫，匹配合適的資源信息，實(shí)時(shí)生成個(gè)性化推薦服務(wù)。
[0005]進(jìn)一步檢索發(fā)現(xiàn)，中國專利申請?zhí)?0121014234.2記錄了一種基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，在用戶的服務(wù)請求和候選空間信息服務(wù)的功能性匹配和非功能性匹配的基礎(chǔ)上，考慮上下文敏感的用戶偏好，計(jì)算出用戶服務(wù)需求與智能空間中的各候選空間信息服務(wù)的匹配度，然后依據(jù)匹配度將候選空間信息服務(wù)推薦給用戶；雖然用戶可能具有固定的或者重復(fù)的偏好，但這些偏好不是在任何時(shí)候都相關(guān)，該發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法從上下文的角度對用戶偏好進(jìn)行精簡，剔除與用戶無關(guān)的用戶偏好；該發(fā)明從功能匹配和非功能匹配兩個(gè)方面進(jìn)行匹配度計(jì)算，提高空間信息服務(wù)匹配的準(zhǔn)確率。
[0006]進(jìn)一步檢索發(fā)現(xiàn)，中國專利申請?zhí)?01210253884.2記錄了一種用于Web服務(wù)推薦的個(gè)性化搜索方法，包括以下步驟:步驟1，預(yù)處理WSDL文檔:通過去除停用詞和提取詞干兩個(gè)預(yù)處理步驟，形成詞袋；步驟2，抽取用戶興趣:使用改進(jìn)的TF-1DF公式計(jì)算詞袋中的每一個(gè)詞的權(quán)重，并乘以該詞的時(shí)間衰減因子，得到新的權(quán)重；選擇權(quán)重由大至小前k個(gè)詞作為用戶的興趣詞，以及每個(gè)詞的對應(yīng)權(quán)重，組成k維的用戶興趣向量；步驟3，計(jì)算興趣相似度:設(shè)定相似度閾值，超過閾值的用戶入選為目標(biāo)用戶的鄰居用戶；步驟4，排序服務(wù)檢索結(jié)果，根據(jù)鄰居用戶的相似度及其選擇服務(wù)的次數(shù)計(jì)算服務(wù)的推薦預(yù)測值，并將檢索結(jié)果按照推薦預(yù)測值降序排列，從而得到個(gè)性化搜索結(jié)果。
[0007]上述的方法都涉及了個(gè)性化的服務(wù)推薦，但很少針對Web服務(wù)的非功能屬性篩選服務(wù)以滿足用戶的個(gè)性化需求，服務(wù)的非功能屬性往往是服務(wù)性能的主要體現(xiàn)，所以如何利用服務(wù)的非功能屬性客觀地評價(jià)服務(wù)的性能同時(shí)又能滿足不同用戶的個(gè)性化需求是服務(wù)推薦需要解決的問題。

【發(fā)明內(nèi)容】

[0008]本發(fā)明技術(shù)解決問題:針對現(xiàn)有技術(shù)存在的不足，提供一種基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)及方法，旨在為用戶在不熟悉的服務(wù)情境下提供指標(biāo)偏好預(yù)測，從而完成基于多維QoS指標(biāo)的服務(wù)綜合排序，為用戶提供個(gè)性化的服務(wù)推薦結(jié)果。
[0009]本發(fā)明的技術(shù)解決方案:一種個(gè)性化服務(wù)推薦中基于隱語義概率模型的用戶指標(biāo)偏好預(yù)測方法，具體步驟如下:
[0010]步驟1、確定評價(jià)服務(wù)性能優(yōu)劣的服務(wù)QoS指標(biāo)體系
[0011 ] 所述的服務(wù)QoS指標(biāo)體系是指整個(gè)Web服務(wù)系統(tǒng)統(tǒng)一采用的用于評價(jià)一系列功能相似服務(wù)性能優(yōu)劣所用QoS指標(biāo)的集合，不同的系統(tǒng)可以根據(jù)需要選取適當(dāng)?shù)腝oS指標(biāo)組成自己的QoS指標(biāo)體系用于評價(jià)服務(wù)的性能優(yōu)劣；
[0012]步驟2、建立用戶、用戶指標(biāo)偏好以及服務(wù)情境三者之間的隱語義概率模型
[0013]所述的用戶指標(biāo)偏好是指用戶對步驟I中所述服務(wù)QoS指標(biāo)體系中各個(gè)QoS指標(biāo)的偏好程度，對每個(gè)QoS指標(biāo)的偏好程度值介于O到I之間，并且對各個(gè)QoS指標(biāo)的偏好值總和為I ;所述的服務(wù)情境是指在何種場景下使用何種功能的服務(wù)，每一個(gè)服務(wù)情境e用三元組(WDWhW3)表示,其中W1表示服務(wù)完成的與業(yè)務(wù)無關(guān)的基本功能,如視頻功能、導(dǎo)航功能等，W2表示用戶使用該功能的服務(wù)完成的具體業(yè)務(wù)活動，如學(xué)術(shù)會議、軍事導(dǎo)航等，W3表示用戶調(diào)用服務(wù)的終端設(shè)備，如手機(jī)、PC機(jī)等；所述的用戶、用戶指標(biāo)偏好、服務(wù)情境三者之間的隱語義概率模型是指單個(gè)用戶以不同的概率依賴不同的用戶隱類而存在，單則服務(wù)情境以不同的概率依賴不同的服務(wù)情境隱類存在，指標(biāo)偏好同時(shí)以不同的概率同時(shí)依賴不同的用戶隱類和服務(wù)情境隱類存在的概率模型，模型的圖像化表示如7所示。
[0014]所述的用戶隱類是指非人為事先確定的而是從歷史經(jīng)驗(yàn)數(shù)據(jù)中學(xué)習(xí)得到的用戶聚簇；所述的服務(wù)情境隱類是指非人為事先確定的而是從歷史經(jīng)驗(yàn)數(shù)據(jù)中學(xué)習(xí)得到的服務(wù)情境聚簇；
[0015]步驟3、收集不同用戶在不同的服務(wù)情境下使用不同功能服務(wù)時(shí)自主提供的指標(biāo)偏好信息，作為歷史經(jīng)驗(yàn)數(shù)據(jù)存入數(shù)據(jù)庫，為訓(xùn)練步驟2中建立的隱語義概率模型的參數(shù)作準(zhǔn)備，存儲格式為(用戶，服務(wù)情境、指標(biāo)偏好)三元組；
[0016]步驟4、用EM算法及已收集的歷史經(jīng)驗(yàn)數(shù)據(jù)訓(xùn)練隱語義概率模型的參數(shù)[0017]所述的隱語義概率模型的參數(shù)是指所有用戶隱類的先驗(yàn)概率P(Ui) ( )、服務(wù)情境隱類取，E2,, EjI先驗(yàn)概率P (Ej) ( 隱類Ui的情況下單個(gè)用戶u出現(xiàn)的條件概率P (UlUi) (l^i^ I)、給定一個(gè)服務(wù)情境隱類Ej的情況下單則服務(wù)情境e出現(xiàn)的條件概率P (e I Ej) (I ^ j ^ J)、給定用戶隱類Ui和服務(wù)情境隱類Ej的情況下用戶指標(biāo)偏好向量r出現(xiàn)的概率P(I^Ej) ( 其中I，J分別表示用戶隱類和服務(wù)情境隱類的總個(gè)數(shù)，i，j分別表示用戶隱類和服務(wù)情境隱類的編號；
[0018]步驟5、獲得用戶需要服務(wù)推薦的請求，包括個(gè)人信息、服務(wù)推薦所依賴的服務(wù)情境;
[0019]步驟6、用已訓(xùn)練的隱語義概率模型預(yù)測指定用戶在特定服務(wù)情境下的未知指標(biāo)偏好；
[0020]步驟7、根據(jù)預(yù)測出的用戶個(gè)性化的QoS指標(biāo)偏好，對候選服務(wù)進(jìn)行綜合篩選，從而選出最貼近該用戶需求的服務(wù)，將推薦結(jié)果返回給用戶。
[0021]所述步驟3中收集歷史經(jīng)驗(yàn)數(shù)據(jù)的過程如下:
[0022](I)用戶在其熟悉的服務(wù)情境下調(diào)用熟悉的web服務(wù)時(shí)可以直接與系統(tǒng)交互，使用層次分析法給出自己給出對各個(gè)指標(biāo)偏好的兩兩比較結(jié)果，建立比較矩陣；
【權(quán)利要求】
1.一種基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)，其特征在于包括: 歷史信息收集模塊:收集不同用戶在不同服務(wù)情境下通過層次分析法自主提供的指標(biāo)偏好比較矩陣，檢查該矩陣滿足一致性約束后，計(jì)算該矩陣最大特征值對應(yīng)的特征向量，歸一化后得出不同用戶在不同服務(wù)情境下的指標(biāo)偏好，并將用戶，服務(wù)情境、指標(biāo)偏好以三元組形式存入數(shù)據(jù)庫，為隱語義概率模型參數(shù)訓(xùn)練模塊提供歷史訓(xùn)練數(shù)據(jù)； 隱語義概率模型參數(shù)訓(xùn)練模塊:從數(shù)據(jù)庫中獲取歷史信息收集模塊收集的用戶，服務(wù)情境、指標(biāo)偏好三元組作為訓(xùn)練樣本，根據(jù)事先設(shè)定的隱語義概率模型參數(shù)初值，利用EM算法在訓(xùn)練數(shù)據(jù)上迭代訓(xùn)練模型參數(shù)，直至模型參數(shù)收斂，保存所得訓(xùn)練參數(shù)，提供給個(gè)性化指標(biāo)偏好預(yù)測模塊； 用戶服務(wù)推薦請求模塊:該模塊獲取用戶登錄是提供的個(gè)性資料信息及用戶登錄后錄入的需要進(jìn)行服務(wù)推薦的服務(wù)情境信息，最后將這兩項(xiàng)信息提供給個(gè)性化指標(biāo)偏好預(yù)測模塊； 個(gè)性化指標(biāo)偏好預(yù)測模塊:獲取用戶服務(wù)推薦請求模塊提供的用戶個(gè)人信息和服務(wù)情境信息，結(jié)合隱語義概率模型參數(shù)訓(xùn)練模塊提供的已經(jīng)訓(xùn)練好的模型參數(shù)，預(yù)測該用戶在該服務(wù)情境下的指標(biāo)偏好，并將預(yù)測的指標(biāo)偏好提供過個(gè)性化服務(wù)推薦模塊； 個(gè)性化服務(wù)推薦模塊:接收來自個(gè)性化指標(biāo)偏好模塊的用戶指標(biāo)偏好，及來自用戶服務(wù)推薦請求模塊的服務(wù)情境信息，獲取適用于該服務(wù)情境的所有功能相似的服務(wù)，及服務(wù)各維度的QoS指標(biāo)值，與用戶個(gè)性化的指標(biāo)偏好作點(diǎn)積，給出服務(wù)的綜合排序，作為推薦列表返回給用戶，用戶根據(jù)推薦的結(jié)果選擇自己感興趣的項(xiàng)目進(jìn)行關(guān)注。
2.根據(jù)權(quán)利要求1所述的基于隱語義概率模型的個(gè)性化服務(wù)推薦系統(tǒng)，其特征在于:所述隱語義概率模型參數(shù)訓(xùn)練 模塊實(shí)現(xiàn)過程: (1)從數(shù)據(jù)庫中獲取歷史信息收集模塊存入的用戶、服務(wù)情境、指標(biāo)偏好三元組，作為歷史訓(xùn)練數(shù)據(jù)； (2)人工設(shè)置用戶隱類和服務(wù)情境隱類的個(gè)數(shù)，以及模型的參數(shù)初值，包括用戶隱類和服務(wù)情境隱類的先驗(yàn)概率，單個(gè)用戶在給定不同用戶隱類時(shí)的條件概率，單則服務(wù)情境在給定不同服務(wù)情境隱類時(shí)的條件概率，以及各個(gè)指標(biāo)偏好在給定不同用戶隱類和不同服務(wù)情境隱類時(shí)的正態(tài)分布均值和方差； (3)用EM算法，結(jié)合歷史訓(xùn)練數(shù)據(jù)，對模型參數(shù)進(jìn)行迭代訓(xùn)練，直至收斂，保存模型參數(shù)，提供給個(gè)性化指標(biāo)偏好預(yù)測模塊。
3.一種基于隱語義概率模型的個(gè)性化服務(wù)推薦方法，其特征在于實(shí)現(xiàn)步驟如下: 步驟1、確定評價(jià)服務(wù)性能優(yōu)劣的服務(wù)QoS指標(biāo)體系 所述的服務(wù)QoS指標(biāo)體系是指整個(gè)Web服務(wù)系統(tǒng)統(tǒng)一采用的用于評價(jià)一系列功能相似服務(wù)性能優(yōu)劣所用QoS指標(biāo)的集合，不同的系統(tǒng)可以根據(jù)需要選取適當(dāng)?shù)腝oS指標(biāo)組成自己的QoS指標(biāo)體系用于評價(jià)服務(wù)的性能優(yōu)劣； 步驟2、建立用戶、用戶指標(biāo)偏好以及服務(wù)情境三者之間的隱語義概率模型 所述的用戶指標(biāo)偏好是指用戶對步驟I中所述服務(wù)QoS指標(biāo)體系中各個(gè)QoS指標(biāo)的偏好程度，對每個(gè)QoS指標(biāo)的偏好程度值介于O到I之間，并且對各個(gè)QoS指標(biāo)的偏好值總和為I ;所述的服務(wù)情境是指在何種場景下使用何種功能的服務(wù)，每一個(gè)服務(wù)情境e用三元組(W1, W2, W3)表示，其中W1表示服務(wù)完成的與業(yè)務(wù)無關(guān)的基本功能,如視頻功能、導(dǎo)航功能等，W2表示用戶使用該功能的服務(wù)完成的具體業(yè)務(wù)活動，W3表示用戶調(diào)用服務(wù)的終端設(shè)備； 所述的用戶、用戶指標(biāo)偏好、服務(wù)情境三者之間的隱語義概率模型是指單個(gè)用戶以不同的概率依賴不同的用戶隱類而存在，單則服務(wù)情境以不同的概率依賴不同的服務(wù)情境隱類存在，指標(biāo)偏好同時(shí)以不同的概率同時(shí)依賴不同的用戶隱類和服務(wù)情境隱類存在的概率模型， 所述的用戶隱類是指非人為事先確定的而是從歷史經(jīng)驗(yàn)數(shù)據(jù)中學(xué)習(xí)得到的用戶聚簇；所述的服務(wù)情境隱類是指非人為事先確定的而是從歷史經(jīng)驗(yàn)數(shù)據(jù)中學(xué)習(xí)得到的服務(wù)情境聚簇； 步驟3、收集不同用戶在不同的服務(wù)情境下使用不同功能服務(wù)時(shí)自主提供的指標(biāo)偏好信息，作為歷史經(jīng)驗(yàn)數(shù)據(jù)存入數(shù)據(jù)庫，為訓(xùn)練步驟2中建立的隱語義概率模型的參數(shù)作準(zhǔn)備，存儲格式為用戶，服務(wù)情境、指標(biāo)偏好三元組； 步驟4、用EM算法及已收集的歷史經(jīng)驗(yàn)數(shù)據(jù)訓(xùn)練隱語義概率模型的參數(shù) 所述的隱語義概率模型的參數(shù)是指所有用戶隱類的先驗(yàn)概率P(Ui)(I≤i≤I)、服務(wù)情境隱類取，E2,, EjI先驗(yàn)概率P(Ej) (I≤j≤J)、給定一個(gè)用戶隱類仏的情況下單個(gè)用戶u出現(xiàn)的條件概率P (UlUi) (l≤i≤ I)、給定一個(gè)服務(wù)情境隱類Ej的情況下單則服務(wù)情境e出現(xiàn)的條件概率P (e I Ej) (I ≤ j ≤ J)、給定用戶隱類Ui和服務(wù)情境隱類Ej的情況下用戶指標(biāo)偏好向量r出現(xiàn)的概率P(IHUpEj) (I≤i≤I，I≤j≤J);其中I，J分別表示用戶隱類和服務(wù)情境隱類的總個(gè)數(shù)，i，j分別表示用戶隱類和服務(wù)情境隱類的編號； 步驟5、獲得用戶需要服務(wù)推薦的請求，包括個(gè)人信息、服務(wù)推薦所依賴的服務(wù)情境； 步驟6、用已訓(xùn)練的隱語義概率模型預(yù)測指定用戶在特定服務(wù)情境下的未知指標(biāo)偏好; 步驟7、根據(jù)預(yù)測出的用戶個(gè)性化的QoS指標(biāo)偏好，對候選服務(wù)進(jìn)行綜合篩選，從而選出最貼近該用戶需求的服務(wù)，將推薦結(jié)果返回給用戶。
4.根據(jù)權(quán)利要求3所述的基于隱語義概率模型的個(gè)性化服務(wù)推薦方法，其特征在于:所述步驟3中收集歷史經(jīng)驗(yàn)數(shù)據(jù)的過程如下: (1)用戶在其熟悉的服務(wù)情境下調(diào)用熟悉的web服務(wù)時(shí)，直接與系統(tǒng)交互，使用層次分析法給出自己給出對各個(gè)指標(biāo)偏好的兩兩比較結(jié)果，建立比較矩陣；
5.根據(jù)權(quán)利要求3所述的基于隱語義概率模型的個(gè)性化服務(wù)推薦方法，其特征在于:所述步驟4中隱語義概率模型的參數(shù)訓(xùn)練過程如下， (I)從數(shù)據(jù)庫中取出所有的用戶、服務(wù)情境、指標(biāo)偏好三元組作為訓(xùn)練數(shù)據(jù)，是用戶在其熟悉的服務(wù)情境下利用層次分析法給出的個(gè)性化指標(biāo)偏好權(quán)值，每個(gè)三元組(U，e, r)表示用戶u在服務(wù)情境e下對服務(wù)的各個(gè)QoS指標(biāo)的偏好權(quán)重為r，r是一個(gè)K維向量(r1； r2,..., rK)，為簡單起見，假設(shè)權(quán)重向量r的每一維相互獨(dú)立并且服從正態(tài)分布，則聯(lián)合概率P (u，e,r)用下面兩個(gè)公式表示，
6.根據(jù)權(quán)利要求3所述的基于隱語義概率模型的個(gè)性化服務(wù)推薦方法，其特征在于:步驟6中利用已訓(xùn)練的隱語義概率模型預(yù)測用戶指標(biāo)偏好的實(shí)現(xiàn)方式如下: (1)用戶Ut登陸服務(wù)推薦系統(tǒng)，提供需要進(jìn)行服務(wù)推薦的服務(wù)情境一； (2)推薦系統(tǒng)獲取用戶的個(gè)人數(shù)據(jù)及其提供的服務(wù)情境信息，用下面的公式對該用戶在該服務(wù)情境下的各個(gè)QoS指標(biāo)偏好進(jìn)行獨(dú)立預(yù)測:
7.根據(jù)權(quán)利要求3所述的基于隱語義概率模型的個(gè)性化服務(wù)推薦方法，其特征在于:步驟7中根據(jù)預(yù)測出的用戶個(gè)性化的QoS指標(biāo)偏好，對候選服務(wù)進(jìn)行篩選的過程如下:用戶Ut在服務(wù)情境J下已得到多個(gè)功能相似的候選服務(wù)，假設(shè)每個(gè)服務(wù)的各QoS指標(biāo)上的性能可有其他方法得到，記為(qi，q2，...，qK)，每一個(gè)服務(wù)的總得分采用R^r\-ql+r\-q2 +...+ fK _ ^表示，最后根據(jù)各個(gè)服務(wù)的總得分給出服務(wù)的排序，作為服務(wù)推薦的依據(jù)。
【文檔編號】G06F17/30GK103473291SQ201310392446
【公開日】2013年12月25日 申請日期:2013年9月2日 優(yōu)先權(quán)日:2013年9月2日
【發(fā)明者】彭啟民, 胡堰, 胡曉惠 申請人:中國科學(xué)院軟件研究所