39、服务推荐与大数据平台性能分析

服务推荐与大数据平台性能分析

服务推荐方法性能与复杂度分析

在服务推荐领域，有多种方法被提出，如WSRec、SBT - SR和RecSBT + CF。这些方法在不同场景下有着不同的时间成本表现。
- 时间成本随用户数量（m）的变化 ：
- WSRec的时间成本表现最佳，且随m的增长近似线性增加。这是因为它仅考虑目标用户的易计算平均评分和目标服务的平均评分。
- SBT - SR和RecSBT + CF的时间成本在m增长时急剧增加。这是因为当用户数量增多时，计算用户相似度需要更多时间。并且，RecSBT + CF通常比SBT - SR需要更多的执行时间，因为SBT - SR只需计算目标用户与其他用户以及目标用户的敌人与其他用户之间的相似度，而RecSBT + CF会考虑任意两个用户之间的相似度。不过，RecSBT + CF的时间成本相对于m仍近似为多项式。
- 时间成本随服务数量（n）的变化 ：
- WSRec在执行效率方面表现最佳，其时间成本随n的增长近似线性增加，因为在WSRec的平均评分计算中，每个服务仅被考虑一次。
- SBT - SR的时间成本也随n线性增加，因为在每个用户相似度计算过程中，一个Web服务最多被考虑一次。但SBT - SR比WSRec需要更多时间，因为其相似度计算通常比WSRec的简单平均值计算需要更多的计算时间。
- RecSBT + CF的时间成本在n增长时急剧增加。如果一个Web服务同时被多个用户评分，那么在相似度计算过程中该服务可能会被多次考虑。此外，如果服务数量很大，推荐度排名过程会花费更多时间，因为在历史用户 - 服务调用网络中有许多Web