论文部分内容阅读
随着越来越多的用户与服务参与到服务计算中,服务推荐变得日益重要,但个别用户的虚假评价降低了服务推荐结果的可信性和有效性。为此,提出一种新的服务推荐方法,在分析用户历史评价的基础上挖掘可疑评价,通过用户可信度的计算将恶意用户筛除。基于相似度计算可得到剩余各可信用户的相邻用户集合,并最终结合用户偏好确定候选服务进行综合评分以完成有效推荐。实验结果表明,在剔除恶意用户的情况下,该方法推荐的服务更为真实可靠,可有效提高推荐质量。