考虑MeanShift用户聚类的云服务推荐

摘要

针对传统云服务推荐算法只考虑推荐精度而忽略推荐效率问题，提出考虑了MeanShift用户聚类的云服务推荐。MeanShift聚类算法计算量小、运行速度快，可对任意分布的数据进行密度估计。该云服务首先根据数据密度分布对所有用户进行访问，然后计算用户在各个类簇中出现的累计频数，并将其划分到累计频数最大的类簇中，最后在该类簇中寻找目标用户的近邻集用于推荐云服务。样本推荐结果显示：与信任云推荐算法、信任云混合推荐算法、基于灰色关联与信任云混合算法相比，该算法在平均绝对误差上降低约10.15%，在均方根误差上降低约7.87%，在执行时间上降低约59.77%，说明所提算法在保证一定推荐精度的基础上有效提高了推荐效率。

 

0 引言

云计算是并行处理、网络计算和分布式计算等技术发展融合的产物［1］。云服务以云计算为基础，向用户提供按需、可计量的服务。由于云服务成本低、效率高，受到了越来越多企业和个人的青睐。云服务市场的迅速发展使得云服务种类呈现多元化趋势。虽然用户有了更多的选择，但也增