针对传统电子商务个性化推荐系统存在的数据稀疏问题,提出一种蚁群聚类算法的个性推荐模型。利用蚁群算法的原理,找到与目标用户相似的邻居类簇,然后利用这些类簇内的用户作为基础,对目标项目中未评分项目进行预测评分,从而达到提高协同算法邻近查询的速度、降低数据稀疏性的目的;结合协同过滤思想,设计了基于时间评分的协同过滤算法,最后对上述算法进行了验证。结果表明,当最近邻居数为25的时候,目标用户的预测评分值与真实评分值的MAE差距最小,此时精度最高,说明该方法在解决数据稀疏性方面具有一定的价值。

为解决再制造服务的选择问题,在现有制造服务通用评价指标的基础上,结合再制造服务的特点,提出了包括时间、价格、可靠度、柔性度、诚信度等5个QoS(Quality of service)参数的再制造服务选择模型。针对再制造服务过程中个别用户对服务提供商的评价不诚信问题,基于协同过滤思想提出了信息校正方法,利用变精度粗糙集理论(Rough set,RS)计算各指标权重,并与用户根据自身需求设定的权重相结合,对再制造服务综合性能进行量化排序。最后以某机床床身导轨再制造服务为例,验证了该模型能够为用户推选出满足客户要求的最佳服务,并有效降低了虚假评论对选择结果的影响。