1.一种位置感知的网络服务推荐方法,其特征在于:
Step1:将地理位置文本特征转为数值特征,并以此来进行地理位置相似度计算;
Step2:通过LDIF方法,在每一SIS层中会完成对特征交互信息的学习和融合,从而在浅层中会完成对低阶特征交互信息的融合,在深层中会完成对高阶特征交互信息的融合;
Step3:融合低阶到高阶特征交互的信息,结合QoS的特征来进行排序,生成推荐列表并做出预测;
所述Step2具体为:首先将用户和服务的相关特征信息进行区分,将区分出来的用户、服务特征进行固定窗口大小的扫描,利用深度森林多粒度扫描机制,将局部特征当为整体样本,采用特征交互信息计算步骤来表达特征交互信息,最后将局部特征所产生的特征交互信息融合进入原特征,以达到融合特征交互信息的效果;
所述Step3具体为:
设输入向量为18维,其中9维为用户特征,另9维为服务特征,当局部特征大小为2时,将会抽取特征U1、U2、S1、S2四个数值特征,将其记为矩阵A:在需要计算二阶以及三阶特征交互信息时,其计算公式分别如下:
将二阶、三阶特征交互矩阵中的四个数值与原始四个数值特征进行拼接,以此达到特征增强以及融合特征交互信息的效果,从而实现预测推荐。
2.根据权利要求1所述的位置感知的网络服务推荐方法,其特征在于,所述Step1具体为:采用Glove词嵌入算法将地理位置文本特征在之后分别转化为50、200、300维的稠密数值特征,然后使用Cosine相似度来计算用户和服务地理位置之间的相似度,相似度计算公式如下:其中,为用户的地理类别向量,为服务的地理类别向量,Cosθ的值将作为新的数值特征添加进入原始特征。