检索结果

Select

1. 智能计算服务的需求获取方法

汪烨, 周澳回, 周思源, 姜波, 陈骏武, 宋师哲

《计算机应用》唯一官方网站 2022, 42 (11): 3486-3492. DOI: 10.11772/j.issn.1001-9081.2022010059

摘要（284）

HTML （4）

PDF （728KB）（86）

智能计算服务由服务提供者通过互联网为服务消费者提供数据的分析和处理，并建立学习模型完成智能计算功能。由于服务提供者与服务消费者之间缺乏有效的沟通渠道，以及服务消费者反馈的需求描述模糊、混乱，目前缺乏一种统一的服务需求获取方法对用户持续变化的需求进行有效的分析、组织和规约，导致智能计算服务无法根据用户的需求进行快速改进。针对服务开发中需求变更的持续性和不确定性等问题，提出了一种智能计算服务的需求获取方法。该方法首先从Stack Overflow问答论坛获取智能计算服务的应用反馈和问题，然后根据服务消费者所关注的需求类型采用不同的学习模型（包括支持向量机（SVM）、朴素贝叶斯和TextCNN）对其进行知识分类和优先级排序，最后采用自定义的服务需求模板统一描述智能计算服务的需求。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 非线性组合的协同过滤推荐算法

李国张智斌刘芳先姜波姚文伟

计算机应用 2011, 31 (11): 3063-3067. DOI: 10.3724/SP.J.1087.2011.03063

摘要（1121）

PDF （814KB）（599）

协同过滤是目前最流行的个性化推荐技术，但现有算法局限于用户项目评分矩阵，存在稀疏性、冷开始问题，邻居相似性只考虑用户共同评分项目，忽略项目属性、用户特征相关性；同等对待用户不同时间的兴趣偏好，缺乏实时性。针对这些问题，提出一种非线性组合的协同过滤算法，改进基于项目属性、用户特征的邻居相似性计算方法，获得更加准确的最近邻居集；初始预测评分填充矩阵，以增强其稠密性；最终预测评分增加时间权限，使用户最新兴趣权重最大。实验表明，该算法通过有效降低稀疏性、冷开始和实现实时推荐，提高了预测精度。