基于企业用户需求的科技服务资源综合推荐算法构建  

Comprehensive Recommendation Algorithm Construction of Enterprise User Requirement-based Scientific and Technological Service(EURSTS)

作　　者：徐尚英[1,2] 刘晶 陈冬林 王蕾[1,2] Xu Shangying;Liu Jing;Chen Donglin;Wang Lei(School of Economics,Wuhan University of Technology,Wuhan 430070,China;Hubei Research Center for EBusiness Big Data Engineering Technology,Wuhan 430070,China)

机构地区：[1]武汉理工大学经济学院,湖北武汉430070 [2]湖北省电子商务大数据工程技术研究中心,湖北武汉430070

出　　处：《科技管理研究》2022年第16期182-189,共8页Science and Technology Management Research

基　　金：国家重点研发计划项目“长江中游城市群综合科技服务集成与应用技术”(2018YFB1404303);国家自然科学基金项目“面向最优时间窗推荐的网络客户行为轨迹预测研究”(71702138);中央高校基本科研业务费专项资金项目“基于大数据的平台经济精准监管模式研究”(212415001)。

摘　　要：探讨精准匹配科技服务平台资源与不同类型企业用户需求的服务推荐算法,考虑服务特殊性、引入“本体”概念,提出一种基于企业用户需求的科技服务资源综合推荐算法(EURSTS)。采用模糊模型对企业用户背景信息进行量化以获取其需求偏好,通过计算用户需求与服务资源之间的综合相似度输出最终推荐结果。通过基于内容算法和基于服务质量算法的实验对比显示,EURSTS算法能显著地改善服务推荐效果,服务推荐结果的准确率平均提升30.1%~37.1%、召回率平均提升0.1%~7.9%。This paper aims to discuss the service recommendation of precisely matching the resources of scientific and technological service platform with the needs of different types of enterprise users. Considering the particularity of service, and introducing the concept of "Ontology", it proposes a comprehensive recommendation algorithm of enterprise user requirement-based scientific and technological service(EURSTS), the fuzzy model is used to quantify the background information of enterprise users in order to obtain their demand preferences, and the final recommendation results are output by calculating the integrated similarity between user demands and service resources.Compared with CB algorithm and service QoS algorithm, the experimental results show that EURSTS can significantly improve the performance of service recommendation, with an average improvement of 30.1% ~ 37.1% in accuracy and 0.1% ~ 7.9% in recall.

关 键 词：资源推荐算法 科技服务资源 平台用户需求 需求偏好 

分 类 号：TP391[自动化与计算机技术—计算机应用技术] G301[自动化与计算机技术—计算机科学与技术]