[發(fā)明專利]一種基于云計(jì)算的智能服務(wù)推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710742043.0
• 申請(qǐng)日: 2017-08-25
• 公開（公告）號(hào): CN107491992B
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 初佃輝;張小東
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06Q10/06;G16H40/20
• 代理公司: 威海恒譽(yù)潤達(dá)專利代理事務(wù)所(普通合伙) 37260
• 代理人: 鹿剛

本發(fā)明提供一種基于云計(jì)算的智能服務(wù)推薦方法，其解決了現(xiàn)有服務(wù)推薦算法計(jì)算量大、效率低、準(zhǔn)確率低和不穩(wěn)定的技術(shù)問題，其先對(duì)若干種精確服務(wù)特征進(jìn)行訓(xùn)練，得到模型參數(shù)，存入模型數(shù)據(jù)庫中；運(yùn)用邏輯回歸算法進(jìn)行精確服務(wù)選擇決策，在接到需求者服務(wù)特征數(shù)據(jù)后，將數(shù)據(jù)送到每個(gè)計(jì)算節(jié)點(diǎn)，在計(jì)算完畢后，送入reduce節(jié)點(diǎn)進(jìn)行綜合分析，最終確定所需服務(wù)，本發(fā)明可廣泛用于智能服務(wù)推薦。

技術(shù)領(lǐng)域

本發(fā)明涉及一種推薦系統(tǒng)，尤其是涉及一種基于云計(jì)算的智能服務(wù)推薦方法。

背景技術(shù)

信息技術(shù)的發(fā)展給人們的生活帶來了巨大的便利。隨著網(wǎng)絡(luò)中信息的大量增加，信息出現(xiàn)了過載現(xiàn)象。為了使用戶準(zhǔn)確地獲取所需的信息，推薦系統(tǒng)應(yīng)運(yùn)而生。因?yàn)槟軒砭薮蟮纳虡I(yè)價(jià)值和利益，無論是在學(xué)術(shù)界還是工業(yè)界，推薦系統(tǒng)都受到了極大的關(guān)注。在學(xué)術(shù)界，出現(xiàn)了許多推薦方法，在工業(yè)界，推薦系統(tǒng)被廣泛應(yīng)用在各種場合。服務(wù)推薦是推薦系統(tǒng)的應(yīng)用實(shí)例之一。它是能夠解決相似物品選擇決策問題并初步具有專家級(jí)水平的智能程序。機(jī)器學(xué)習(xí)領(lǐng)域?yàn)檫@類系統(tǒng)提供了很多可以用來進(jìn)行實(shí)際預(yù)測的分類方法。如何進(jìn)行快速有效且精確的服務(wù)推薦是解決此類問題所需要面對(duì)難題。

現(xiàn)有推薦方法大都存在如算法效率低、準(zhǔn)確率低、計(jì)算量大和不穩(wěn)定等缺點(diǎn)，所以研究一種新的智能服務(wù)推薦算法勢在必行。

發(fā)明內(nèi)容

本發(fā)明就是針對(duì)現(xiàn)有服務(wù)推薦算法計(jì)算量大、效率低、準(zhǔn)確率低和不穩(wěn)定的技術(shù)問題，提供一種計(jì)算量小、效率高、準(zhǔn)確率高和穩(wěn)定性好的基于云計(jì)算的智能服務(wù)推薦算法。

本發(fā)明包含以下兩個(gè)步驟：

(1)模型訓(xùn)練

先對(duì)若干種精確服務(wù)特征進(jìn)行訓(xùn)練，采用分布式訓(xùn)練的方法，將不同精確服務(wù)選擇決策數(shù)據(jù)的訓(xùn)練任務(wù)分散到不同的計(jì)算節(jié)點(diǎn)上，得到不同類型的服務(wù)選擇模型參數(shù)，將不同類型的服務(wù)選擇模型參數(shù)存入模型數(shù)據(jù)庫中；模型數(shù)據(jù)庫應(yīng)根據(jù)歷史精確服務(wù)選擇決策數(shù)據(jù)建立，針對(duì)不同的服務(wù)提取并整理不同的服務(wù)特征數(shù)據(jù)并定期更新；模型數(shù)據(jù)庫包括服務(wù)特征訓(xùn)練庫和服務(wù)選擇決策模型庫；

(2)服務(wù)選擇決策

運(yùn)用邏輯回歸算法進(jìn)行精確服務(wù)選擇決策，在接到需求者服務(wù)特征數(shù)據(jù)后，首先，依據(jù)檢測標(biāo)準(zhǔn)數(shù)據(jù)模型，過濾出檢測的服務(wù)特征數(shù)據(jù)中的不正常指標(biāo)信息，確定需要的服務(wù)范圍，將服務(wù)特征數(shù)據(jù)送到每個(gè)計(jì)算節(jié)點(diǎn)，在計(jì)算完畢后，送入reduce節(jié)點(diǎn)進(jìn)行綜合分析，最終確定所需服務(wù)。

優(yōu)選的，步驟(2)中每個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算過程都是一樣的，下面列出每個(gè)計(jì)算節(jié)點(diǎn)訓(xùn)練及精確服務(wù)選擇決策的模型：

(1)擬合函數(shù)

本方法采用擬合函數(shù)的目的是為了將計(jì)算得到的概率集中在[0,1]區(qū)間，讓計(jì)算結(jié)果盡量趨近于0或者1；

由擬合函數(shù)可得:

其中，x為輸入的服務(wù)特征數(shù)據(jù)，y為服務(wù)選擇決策結(jié)果，f_t為服務(wù)選擇決策閥值；h_θ(x)為擬合函數(shù),θ為擬合參數(shù)，即為服務(wù)選擇決策模型參數(shù)，T為轉(zhuǎn)置；

(2)損失函數(shù)

當(dāng)y＝1時(shí)：

當(dāng)y＝0時(shí)：

將損失函數(shù)合并:

cost(h_θ(x),y)＝-y log(h_θ(x))-(1-y)log(1-h_θ(x))