论文部分内容阅读
针对现阶段越来越多的服务开始部署于云环境，服务数量呈几何级增长，必须获取并推荐最优服务，而传统的基于内容的过滤或协同过滤方法缺乏对新用户和冗余服务的有效处理方法，提出一种在云环境下对最优服务进行有效推荐的方法。首先，分析2种协同过滤方法的优缺点，并提出改进的混合推荐算法；其次，针对常常被忽略的新用户学习策略，提出新用户偏好的确定方法；针对服务的动态变化情况，基于隐马尔科夫模型(hidden Markov model)提出一种冗余服务消解策略。最后，基于真实数据集和通过公开API获取的公共服务集进行实验。研究结果表明：所提出的算法与其他方法相比具有更高的准确度和更好的服务质量，能更有效地提高系统性能。