基于MapReduce模型的兴趣感知服务推荐方法

摘要

本发明公开了基于MapReduce模型的兴趣感知服务推荐方法，包括以下步骤：步骤1：历史用户评论获取数据集；步骤2：根据本发明提供相应的关键词列表和领域词库提取目标用户和历史用户的兴趣，目标用户表示当前需要被推荐的用户；步骤3：对每个候选Web服务，计算目标用户与该候选Web服务的历史用户的相似度，为目标用户寻找相似的用户；步骤4：计算出目标用户和历史用户的相似度后，根据一种加权平均方法为目标用户预测出对于候选Web服务的个性化的评分，为目标用户提供一个个性化的服务排名列表，根据个性化的排名列表为用户推荐；步骤5：将步骤2至步骤4以Map-Reduce编程框架实现，分为四个阶段并行处理。

主权项

基于MapReduce模型的兴趣感知服务推荐方法，其特征在于：包括以下步骤：步骤1：获取数据集，从目标网站获取服务的历史用户的评论及评分；步骤2：设定关键词列表，目标用户通过从关键词候选列表中选择关键词表示目标用户的兴趣，形成目标用户兴趣的关键词集合UK；根据关键词候选列表，如果历史用户对候选Web服务的评论中出现关键词列表中的词，则将关键词提取出来表示历史用户的兴趣，形成历史用户兴趣的关键词集合RK；目标用户为当前需要被推荐的用户；步骤3：对每个候选Web服务，采用一种基于余弦相似度方法计算目标用户与该候选Web服务的历史用户的相似度，为目标用户寻找相似度最高的历史用户；步骤4：采用加权平均方法为目标用户计算出对于每个候选Web服务的个性化的评分，为目标用户提供一个个性化的服务排名列表，根据个性化的排名列表为目标用户推荐评分最高的服务。