基于半监督学习的在线服务信誉度量

摘要

针对现有信誉度量模型存在的粒度过粗、维度考虑不全的问题,本文提出一种基于半监督学习的在线服务信誉度量方法.首先将在线服务信誉度量建模成对服务的分类问题,通过人工标注服务训练集并训练对服务的决策树分类器.然后基于Tri-training算法利用所得到的分类器对未标注服务集中的服务进行分类,并将分类后的服务和标签一起加入到训练集,重新训练分类器模型并用所训练分类器对服务进行分类.同时,为对抗模型过拟合提升模型的泛化能力,对模型进行改进,提出剪枝处理和增加分类器个数并抽样决策属性构造半监督随机森林两种方法,并用所得分类器对服务进行分类实现信誉度量.通过实验验证了本文所提出方法的有效性与高效性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号