基于可信联盟的服务推荐方法
随着互联网技术的飞速发展，满足相同功能属性而具有不同非功能属性的候选服务呈爆炸性增长，如何实现高效、可信的服务推荐已成为服务计算领域的研究热点之一。现有的基于协同过滤技术的服务推荐方法忽略了服务的属性特征对相似度计算的影响，也较少考虑用户的可信性，很大程度上影响了推荐结果的精确度。本文通过改进传统相似度计算公式并引入用户间信任关系，综合相似度与推荐行为的信任度两者构建可信联盟，提出一种基于可信联盟的服务推荐方法，有效提高了服务推荐的精确度，仿真实验也表明了该方法的有效性与可行性。
服务推荐 协同过滤 可信联盟
王海艳 杨文彬
东南大学 计算机科学与工程学院, 南京 中国 211189 南京邮电大学 计算机学院, 南京 中国 210003
国内会议
长沙
中文
1-8
2012-11-01（万方平台首次上网日期，不代表论文的发表时间）