论文部分内容阅读
选择满足用户需求的服务是开放、动态环境下的一个活跃研究领域．在服务资源飞速增长的今天，出现了大量功能相同或相近的服务，导致用户在选择服务时面临诸多技术挑战．
服务推荐不仅要基于用户的偏好，定制个性化的服务选择指标，同时也要考虑推荐用户的领域相关度、推荐信息的可信性．
针对现有服务选择中服务推荐技术的不足，提出一种基于偏好推荐的服务选择方法，首先搜索一组偏好相似的推荐用户，并通过皮尔逊相关系数计算用户的评价相似度，然后基于用户的推荐等级、领域相关度和评价相似度等对用户的推荐信息进行过滤，从而使推荐信息更为可信与准确．模拟实验结果表明，通过正确的参数设置，该方法能够有效地解决推荐算法中冷启动、推荐信息不准确等问题．