技术相比的优点为：
[0027] 1.本发明更符合云制造系统平台特点，推荐准确性有保障。
[0028] 2.本发明推荐的服务都是经过其他用户使用过的，其质量过硬。
[0029] 3.本发明实现方式简便，对系统硬件要求低。
【附图说明】
[0030] 图1为本方法整体示意图；
[0031] 图2为分类树状结构示意图；
[0032] 图3为推荐实现意图。
【具体实施方式】
[0033] 下面结合附图对本发明作进一步详细的描述。
[0034] 本发明是一种面向用户需求倾向的云制造服务推荐方法，如图1所示，主要包括 四个部分：服务分类规范和描述规范确立，构建用户需求文本，处理用户文本并计算相似度 和获取合适的推荐服务。
[0035] (1)服务分类规范和描述规范确立
[0036] 不同的服务分类方式下对应的分类结果不同。如按照应用领域分，服务可能分成 生物、数学、物理等几个大类，每个大类都对应各自子类。如按照其存在形态分，服务可能分 为软件、设备、知识、物料等几个大类。不同的用户倾向的分类方式不同。如某用户可能倾 向第一种分类方式，其在生物学的多个环节都有涉及。而某用户倾向第二种方式，其为多个 领域设计软件。有的用户也有可能倾向多个分类形式的方式。但是所有分类结果的结构一 定是树状结构，如图2所示。平台中包含几种分类方式，有应该有几种分类结果，也就有几 个分类树。用户在注册时选择对其合理的分类方法，并选择对应的节点。
[0037] 服务在注册过程中的服务名和服务简介要有明确规范。在这里的云制造平台中， 推荐的方案是服务名应控制在5-20字。服务简介控制在20-50字，用与以快照形式简要介 绍服务。二者简明扼要，具备强烈的语义信息。不能使用业界不熟悉的词汇、暗语、符号等。 要求用户一读就能够了解服务的基本情况。每个服务在发布过程中都会有审核过程。只有 被审核通过的服务才能被发布。
[0038] (2)构建用户需求文本
[0039] 面向一类分类方法，选取某一个大类下的所有服务，系统实现过程即为选取分类 图中一个较为靠上的节点，获取对该节点有兴趣的所有用户，该信息在用户的注册信息中 通过查询即可获得。获取这些用户一段时间内最近使用的服务。如三个月内的前100个服 务。这里的服务个数与次数统一，重复使用的同一服务按不同的服务处理。如A用户的100 个服务中，可能其组成为1号服务用了 10次，2号服务用了 50次，3号服务用了 20次，4号 服务用了 10次，5号服务用了 10次。对于每个用户将这些服务的名称和简介进行堆叠，生 成对应的文本。
[0040] (3)处理用户文本并计算相似度
[0041] 对文本进行分词等预处理。构建词袋模型。这里使用LDA模型。将某个大类节点 下用户最近使用过的一定次数的服务名称和简介进行叠加，获取用户表示文本，再利用词 袋模型计算文本相似度获取用户需求相似度。目前最为常用的词袋模型是LDA模型。其把 其中的每篇文本表示成一个主题的分布。这里的主题是隐性的，不一定能明确表示主题的 含义。这种主题更合适的是一种深层次含义的倾向。每个隐性主题是多个词的分布。这些 主题就是由词和词的概率生成，目前常用的是Gibbs采样。这样就形成了文档-主题矩阵 和主题-词语矩阵。其如公式1所示：
【主权项】
1. 一种面向用户需求倾向的云制造服务推荐方法，其特征在于，该方法包括3个步骤： 步骤1)、服务分类规范和描述规范确立 服务描述中服务名和服务简介两个属性要求有长度规定，且内容必须语义明确，符合 长度规定和内容要求的服务才会被发布； 步骤2)、构建用户需求文本 在某个分类模式下，在某个大领域下，选取一定数量的活跃用户，选取每个用户最近使 用的k次服务，将服务名称和服务简介抽取，构建成文本； 步骤3)、处理用户文本并计算相似度 把这些文本使用词袋模型进行处理，计算每个文本与目标文本的相似度，选取一定数 量与目标文本最接近的文本所对应的用户作为与目标用户有相似需求的用户； 步骤4)、获取合适的推荐服务 通过对比，获取相似用户使用的与目标用户同类型但是不一样的服务，作为推荐服务。
2. 根据权利要求1所述的一种面向用户需求倾向的云制造服务推荐方法，其特征在 于：步骤1)提出了服务分类规范和描述规范确立，具体实现方式如下： 所有分类结果的结构是树状结构，用户在注册时选择对应的节点； 服务在注册过程中的服务名和服务简介要有明确规范，服务名和服务简介应该有长度 限制，即不能太短影响语义表达，也不能太长包括太多噪声信息，原则是简明扼要，具备强 烈的语义信息，不能使用业界不熟悉的词汇，要求用户一读就能够了解服务的基本情况，每 个服务在发布过程中都会有审核过程，只有被审核通过的服务才能被发布。
3. 根据权利要求1所述的一种面向用户需求倾向的云制造服务推荐方法，其特征在 于：步骤2)在步骤1)的基础上构建用户需求文本，具体实现方式如下： 选取某个分类树节点下涉及的n个用户在最近使用的m个服务，针对每个用户，将这m个服务的名称和服务简介进行合并，就形成了代表这n个用户的n篇文本。
4. 根据权利要求1所述的一种面向用户需求倾向的云制造服务推荐方法，其特征在 于：步骤3)在步骤1)和2)的基础上处理用户文本并计算相似度，具体实现方式如下： 将这m篇文本进行分词预处理，再使用词袋模型建模，利用LDA方法，通过训练构建了 文档-主题矩阵，即可以获取到每篇文本对应的需求主题倾向的概率分布，每一条行向量 代表的该用户的需求倾向，然后通过计算目标向量到所有所有m-1个向量的距离，获取与 目标向量最接近的一些向量，这些向量对应的用户与目标用户有相似的需求倾向。
5. 根据权利要求1所述的一种面向用户需求倾向的云制造服务推荐方法，其特征在 于：步骤4)在步骤1)、2)和3)的基础上获取合适的推荐服务，具体实现方式如下： 将筛选出的与有相似需求倾向的用户与目标用户使用的服务进行对比，从该分类方法 的最下层节点开始对比，把二者使用在同一节点下且不同的服务推荐给目标用户，最下层 节点对比完成后再向上对比其父节点，依次达到一个预设值为止，最后通过统计全部相似 需求倾向用户的推荐服务次数，进行排序，构建推荐列表推荐给目标用户。
【专利摘要】本发明提出了一种面向用户需求倾向的云制造服务推荐方法，该方法首先对云制造的分类和服务描述的部分信息进行规范。然后选取某个领域内一定数量的用户以及这些用户在一段时间内用过的所有服务，针对每个用户把这些服务的名称和简要介绍合并成文本。通过比对文本相似度的方法，确定有类似需求的用户。针对某个用户选取一些与其相似度接近的部分用户，对比其在某个服务类型点下的服务使用情况。将该用户未使用但是相似用户使用的服务进行推荐。本方法考虑到了相似用户需求的用户在所有类型服务的需求上的特点相似性，其推荐的服务一定经过了其他企业的应用。是一种准确率非常高的推荐方法。
【IPC分类】G06F17-30, G06Q30-02
【公开号】CN104731958
【申请号】CN201510156101
【发明人】张霖, 胡安瑞, 李博文, 陶飞
【申请人】北京航空航天大学
【公开日】2015年6月24日
【申请日】2015年4月3日