一种用于Web服务推荐的协同过滤方法

摘要

本发明涉及一种用于Web服务推荐的协同过滤方法，首先从原QoS数据中提取出用户偏好数据，将其作为相似邻居近似度计算的源数据；其次从原QoS数据中提取出服务可信度数据，将其作为服务的个性化比重融入用户邻居相似度计算的过程中；然后使用top‑k算法确定目标用户的相似邻居集合；最后联合用户邻居的偏好相似度比重使用调和的皮尔逊相关系数算法(pcc)预测目标用户各未知服务的QoS值。通过WSDREAM库上197万条真实Web服务QoS数据集进行的实验，证明了所提算法相比于目前基于协同过滤的Web服务推荐算法，能有效提高QoS预测准确率从而提高Web服务推荐质量。