丰 凯，刘志中，宋 成，张 丽

1(河南理工大学 计算机科学与技术学院，河南 焦作 454003)

2(烟台大学 计算机与控制工程学院，山东 烟台 264005)

1 引 言

近年来，随着服务计算、物联网、智能终端以及5G网络的快速发展与普及，越来越多的用户可以随时随地访问来自于不同领域、功能丰富的服务，完成工作与日常生活事务.随着网络上可用服务数量的激增，用户难以快速及时地发现满足其需求的服务，严重影响了用户的满意度，降低了服务资源的利用率.主动服务推荐逐渐成为实现智能服务的关键技术，而服务需求动态预测是实现主动服务推荐的基础.如何实现服务需求的动态预测已经成为智能服务领域亟需解决的关键问题之一.近年来，国内外学者针对这一问题开展了研究，并取得了一定的研究成果[1-5].已有的研究工作大都基于协同过滤[6，7]、支持向量机[8，9]、矩阵分解[10]以及机器学习[10]方法来实现用户服务需求的预测.然而，已有的研究工作没有充分考虑用户所处的场景对其服务需求的影响，导致服务需求预测精度不高.事实上，用户的服务需求与其所处的场景具有密切的关联关系.用户所处的场景是触发用户提出服务需求的重要因素，因此，在进行用户服务需求预测时，需要充分考虑用户所处的场景.

在实际应用中，用户在不同的场景下常常会提出相同的服务需求，不同的场景对服务需求的影响也是不同的.因此，在进行服务需求预测时，需要……