云环境用户情境感知的移动服务QoS混合推荐

[目的/意义]面对动态网络环境下性能相近的海量移动服务资源,如何为用户推荐与其当前情境需求最为匹配的相关资源成为个性化推荐领域的热点问题。[方法/过程]基于用户位置情境感知角度出发,提出云环境用户情境感知的移动服务Qo S(服务质量)混合推荐模型:a.基于移动用户位置情境信息对其涵盖的用户与服务项目按照自治系统的归类原则进行聚类,形成移动用户-服务项目协同过滤推荐机制;b.针对传统Qo S推荐方法存在的新用户与新项目冷启动问题,基于User-based与Item-based CF对缺少的Qo S属性偏好值进行预测和推荐;c.针对移动网络环境下服务Qo S属性值海量数据、分布不均等带来的混合推荐权值难以确定问题,通过MapReduce化的蚁群神经网络权值训练来进行CF混合推荐。[结果/结论]实验证明,方法有效融合了移动用户与服务在Qo S位置的感知属性,提高了推荐算法的预测精度,User-based与Item-based的移动服务Qo S属性偏好值预测有效缓解了推荐系统的冷启动问题,MapReduce化的蚁群神经网络权值训练方法也显著减少了算法的全局计算时间,明显改进了推荐系统的运行效率。