【摘要】：本章提出的SEMBA模型由第3章的TMBA模型派生而来，但存在几个重要的区别。SEMBA模型适合于O2O商务中的服务推荐，可基于目标用户自身的个性化本地网络，为目标用户进行服务推荐。
本章提出的SEMBA模型由第3章的TMBA模型派生而来，但存在几个重要的区别。
1.在源节点信任容量的计算上，TMBA模型采用的是公式3-2进行计算，根据源节点的出度邻居集及源节点的乐观因子计算其信任容量。而SEMBA方法，则是直接使用1作为源节点的信任容量分配，以更加快速地建立源节点的信任网络，为推荐方法提供基础。
2.在计算节点之间的信任权重时，TMBA模型考虑的因素为节点间的互动程度、节点的社交圈子相似度、节点的偏好相似度3个因素。而对于SEMBA方法，节点间的信任权重只考虑了互动程度、节点的社交圈子相似度两个因素，偏好相似度因素放在用户的服务评分预测中进行考虑。(www.xing528.com)
3.从适用范围看，TMBA模型适合于O2O商务中的用户群体识别，可较快建立源用户的可信网络。SEMBA模型适合于O2O商务中的服务推荐，可基于目标用户自身的个性化本地网络，为目标用户进行服务推荐。
4.从方法的用户群体识别精度来分析，因为少了偏好相似度的计算，SEMBA模型的可信用户群体识别精度不如TMBA模型，但在运行效率上，因为少了偏好相似度的计算，其运行效率反而要高于TMBA模型，能更加有效地为推荐方法的目标用户进行近邻选择。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
