1.一种基于众包的top‑N服务再推荐方法,其特征在于,包括以下步骤:S1、确定标注者对象;
S2、向标注者对象发布推荐任务,通过众包平台向标注者对象发布推荐任务,并接收标k注者对象标注后的标注结果Vi得到top‑N服务列表,并获取标签真值的指示变量;
k
其中,Vi表示第k个标注者给服务实例i标注的值;
S3、基于获取的标签真值的指示变量,获取信息增益,具体包括:S31、根据公式(2)计算服务实例i属于标签j的信息熵H(j):N N *
其中,Zij 为服务实例i的标签真值的指示变量,此时为第一次迭代,Zij即为Zij;I为服务实例的集合;
S32、根据公式(3)计算在服务i属于top‑N推荐列表或标注者自定义的服务条件下的条件熵:其中,标注者自定义的服务为X=new,原先列表中的服务为X=old,x为用来区分列表中服务实例和用户自定义服务实例,p(x)为服务实例和用户自定义服务实例对应的概率;
S33、利用公式(4)计算信息增益;
IG(j)=H(j)‑H(Y|X) (4)其中,IG(j)为信息增益;
S4、在得到信息熵的基础上,获取混淆矩阵 边缘概率Pj的估计值,计算估计结果,具体包括:S41、基于获取的最新的标签真值的指示变量,代入公式(5),根据公式(5)算出混淆矩阵其中, 为标注者k标注实例i为标签l的次数;Zij为服务实例i的标签真值的指示变量,N *N为整数,此时最新标签真值的指示变量Zij为标签真值的指示变量的初始值Zij;J表示标签集合;
S42、根据公式(6)算出边缘概率Pj的估计值;
其中,IG(j)为信息增益;Pj为每个服务实例i属于标签j的概率;
S43、根据公式(7)和 Pj的估计值迭代计算估计结果;
其中, 为标注者混淆矩阵,1≤m≤J,1≤n≤J,1≤k≤K,m、n、k∈N,在服务标签真值的指示变量为m的情况下,标注者k提供标签为n的概率;
S5、判断估计结果是否收敛到预设的阈值,如果估计结果收敛到阈值,则根据估计结果获取最终的k个服务列表,如果估计结果未收敛到预设的阈值,则返回步骤S4。
2.根据权利要求1所述的基于众包的top‑N服务再推荐方法,其特征在于,所述步骤S1包括:S11、从服务商获取根据相似度计算得到的与活跃用户相似的用户;
S12、获取服务商作出的top‑N推荐列表,在top‑N推荐列表中寻找使用过c个服务列表中服务的用户;
S13、将使用过top‑N个服务列表中服务的用户与S11中服务商提供的用户合并成标注者集合,W={wk|k=1,2,3...,K}作为众包的标注者对象。
3.根据权利要求2所述的基于众包的top‑N服务再推荐方法,其特征在于,所述步骤S2包括:S21、将推荐任务发布到众包平台上;
k
S22、接收众包标注者在限定时间内回答问题的答案得到标注结果Vi ,并进行整理得到top‑N服务列表;
N
S23、利用公式(1)计算估计top‑N服务列表中服务实例i的标签真值的指示变量Zij的初始值;其中,k
其中,i为服务实例,Vi表示第k个标注者给服务实例i标注的值,X为区分服务实例是推荐列表中还是标注者自定义的服务集合;cj代表类别标签值,每个服务实例属于一个类别标签,cj∈J;J为类别标签集合,* N * *
Ti为标签真值的指示变量Zij的初始值,根据Ti计算出初始指示变量Zij;
*
所述计算出初始指示变量Z ij的方法为:针对实例i,对每个标签j,如果j是它的标签真N *值的指示变量,则Zij=1,否则为0,得到初始指示变量Zij。
4.根据权利要求3所述的基于众包的top‑N服务再推荐方法,其特征在于,所述步骤S21中,所述推荐任务加入众包的时限以及预设的激励机制。
5.根据权利要求1所述的基于众包的top‑N服务再推荐方法,其特征在于,所述步骤S5包括:当次迭代的估计结果减去上一次迭代的估计结果的差小于某一所述阈值,则不再进行N N迭代,从而得到当前服务标签的真值Zij ,整理将标签真值的指示变量Zij符合要求的服务筛选出,则根据估计结果获取最终的k个服务列表;
如果估计结果未收敛到预设的阈值,即次迭代的估计结果减去上一次迭代的估计结果的差大于或者等于所述阈值的时候,则进行迭代,根据公式(7)计算得到的概率,估计标签N+1真值的指示变量Zij 的值,然后再返回步骤S3。
6.根据权利要求3所述的基于众包的top‑N服务再推荐方法,其特征在于,所述推荐任务为任务实例集E,任务实例集E包含k个服务实例,即E={ei|i=1,2,3...I},包含top‑N个服务加上标注者自定义的服务总共I个,标注者自定义的服务为X=new,原先列表中的服务为X=old,x为用来区分列表中服务实例和用户自定义服务实例。
7.根据权利要求3所述的基于众包的top‑N服务再推荐方法,其特征在于,所述推荐任务可以根据top‑N个服务推荐列表、用户的具体需求和用户环境设计众包任务。
8.一种基于权利要求1‑7任一所述的基于众包的top‑N服务再推荐方法的系统,其特征在于,包括:确定模块,用于确定标注者对象;
发布模块,用于向标注者对象发布推荐任务,通过众包平台向标注者对象发布推荐任k务,并接收标注者对象标注后的标注结果Vi得到top‑N服务列表,并获取标签真值的指示变k量,Vi表示第k个标注者给服务实例i标注的值;
获取模块,用于基于标签真值的指示变量,获取信息增益;
计算模块,用于在得到信息熵的基础上,获取 Pj的估计值,计算估计结果;
判断模块,用于判断估计结果是否收敛到预设的阈值,如果估计结果收敛到阈值,则根据估计结果获取最终的k个服务列表,如果估计结果未收敛到预设的阈值,则返回计算模块。