张 圣

（南京工业大学 电子与信息科学学院，江苏 南京 210009）

0 引言

随着电子商务的飞速发展，用户得到的服务类型也在不断丰富，既有传统的实物交易，也有音乐、电影等各种类型的服务[1]。在此过程中，用户找到自己所需的个性化服务对象难度增大，服务提供商还要考虑以怎样的方式提供服务供用户选择，服务推荐作为解决这一问题的有效手段应运而生[2]。

协作过滤推荐是当前被广泛被采用服务推荐算法，然而基于这种协作过滤的服务推荐技术存在无法双向推荐的局限性[3]。

现提出了一种新的基于混合式协作过滤的双向服务推荐算法，同时考虑用户之间和服务之间的相似度，为用户和服务提供商产生双向推荐。实验结果表明该算法可以有效地解决传统协作过滤算法无法产生双向推荐的不足,显著提高推荐系统的推荐量。

1 传统协作过滤推荐算法

传统协作过滤算法基于一种假设：如果用户对某些服务的评分结果相似，那么其它服务的评分结果也较为相似。通过统计若干目标用户的最近邻居，利用最近邻居的评分来预测目标用户的评分，从而产生推荐[4]。

用户的评分数据可以由一个集合m×n阶矩阵R来表达，m行代表m个用户，n列代表n个项目，第i行第j列的元素Rij代表用户i对项目j的评分，如表1的矩阵所示。

然后通过传统的相似性度量方法如余弦相似性[5]来计算用户i和其它所有用户之间的相似度，通过对这些相似度进行排序，找出与用户i最相似的k个最近邻集合，最后通过设定的预测评分公式对k个最近邻集合中项目的评分进行计算，得到预测的用户i的评分数据。……