本文關(guān)鍵詞： Web服務(wù) 服務(wù)推薦 協(xié)同過濾 矩陣分解 QoS預(yù)測(cè) 位置感知　出處：《杭州電子科技大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著Web2.0時(shí)代的到來，Web服務(wù)相關(guān)技術(shù)的快速發(fā)展，不同的服務(wù)供應(yīng)商在Internet上為用戶提供越來越多功能相同或相似的Web服務(wù)，使得用戶不得不需要花費(fèi)大量的時(shí)間和精力來尋找滿足自己需求的Web服務(wù)，即使用戶找到了滿足自己功能需求的Web服務(wù)，也不能保證其具有較好的服務(wù)質(zhì)量(Qualityof Service,QoS)。因此，，從大量具有相同或相似功能的候選服務(wù)中選擇滿足用戶需求并且QoS較好的服務(wù)推薦給用戶變得越來越重要。 QoS用來描述和評(píng)價(jià)Web服務(wù)的非功能屬性，在基于QoS的Web服務(wù)推薦中，預(yù)測(cè)服務(wù)QoS的缺失值是必要的。目前已經(jīng)有一些經(jīng)典的方法通過使用協(xié)同過濾技術(shù)來進(jìn)行Web服務(wù)推薦，然而他們很少考慮用戶和Web服務(wù)的位置信息。在實(shí)際情況中，用戶或Web服務(wù)的位置信息對(duì)QoS的屬性值，例如響應(yīng)時(shí)間，吞吐量，失敗率等，有著顯著的影響。此外，隨著Internet上用戶和Web服務(wù)的急劇增多，當(dāng)前的Web服務(wù)推薦算法在這種大規(guī)模數(shù)據(jù)稀疏的情況下存在預(yù)測(cè)精度和性能不高等問題。本文針對(duì)當(dāng)前在大規(guī)模數(shù)據(jù)稀疏的情況下，Web服務(wù)QoS預(yù)測(cè)精度不高，算法可擴(kuò)展性差的難題，提出了兩個(gè)新穎的基于位置感知的協(xié)同過濾算法。本文的創(chuàng)新點(diǎn)主要概括如下： (1)提出了一種基于網(wǎng)絡(luò)位置正則化的Web服務(wù)推薦方法(Collaborative WebService QoS Prediction With Network Locatrion-Based Regularization, NLBR)。該算法引入了用戶的網(wǎng)絡(luò)位置信息，通過加入用戶的網(wǎng)絡(luò)位置正則項(xiàng)來改進(jìn)矩陣分解模型為當(dāng)前活躍用戶預(yù)測(cè)QoS缺失值，然后將滿足用戶功能需求的候選服務(wù)根據(jù)QoS值排序，最后將QoS較優(yōu)的Web服務(wù)推薦給活躍用戶。實(shí)驗(yàn)結(jié)果表明，通過加入用戶位置信息改進(jìn)矩陣分解模型進(jìn)行QoS的缺失值預(yù)測(cè)，不僅在預(yù)測(cè)精度上優(yōu)于目前主流的推薦算法，同時(shí)，該算法的時(shí)間復(fù)雜度與數(shù)據(jù)規(guī)模的大小呈線性相關(guān)，可以部分解決大規(guī)模數(shù)據(jù)下稀疏性與可擴(kuò)展性差的問題。 (2)提出了一種基于網(wǎng)絡(luò)位置的近鄰模型和矩陣分解模型相結(jié)合的Web服務(wù)推薦方法(Collaborative Web Service QoS Prediction Via Network Location-BasedNeighborhood Integrated Matrix Factorization, NIMF)，該方法引入了用戶和Web服務(wù)的網(wǎng)絡(luò)位置。該算法通過將基于網(wǎng)絡(luò)位置的用戶近鄰模型和基于網(wǎng)絡(luò)位置的Web服務(wù)近鄰模型進(jìn)行矩陣分解訓(xùn)練學(xué)習(xí)，然后和矩陣分解模型結(jié)合，得到兩個(gè)模型。最后通過可調(diào)節(jié)的參數(shù)將這兩個(gè)模型的結(jié)果聯(lián)合起來進(jìn)行QoS值預(yù)測(cè)，然后將候選服務(wù)根據(jù)QoS值排序，將滿足用戶需求并且性能較好的Web服務(wù)推薦給活躍用戶。實(shí)驗(yàn)結(jié)果表明，本章提出的模型不僅預(yù)測(cè)的精度優(yōu)于其它方法，而且時(shí)間和空間復(fù)雜度與輸入數(shù)據(jù)的規(guī)模呈線性關(guān)系，很好的解決了大規(guī)模數(shù)據(jù)下的稀疏性問題，同時(shí)解決了傳統(tǒng)協(xié)同過濾算法可擴(kuò)展性差的問題。 (3)通過使用公開發(fā)布真實(shí)環(huán)境下大規(guī)模的QoS數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)來驗(yàn)證本文提出算法的推薦性能。該數(shù)據(jù)集通過收集分布在30個(gè)國(guó)家的339個(gè)用戶對(duì)73個(gè)國(guó)家的5825個(gè)Web服務(wù)進(jìn)行調(diào)用信息，得到1,974,675條QoS記錄。該數(shù)據(jù)集是目前已公開發(fā)布的真實(shí)環(huán)境下規(guī)模最大的QoS數(shù)據(jù)集。
[Abstract]:......
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP393.09;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 張莉;張斌;黃利萍;朱志良;;預(yù)測(cè)Web QoS的協(xié)作過濾算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

2 王輝;用于預(yù)測(cè)的貝葉斯網(wǎng)絡(luò)[J];東北師大學(xué)報(bào)(自然科學(xué)版);2002年01期

3 江紅,余青松,顧君忠;基于Web Service的動(dòng)態(tài)電子商務(wù)的研究[J];計(jì)算機(jī)工程;2003年02期

4 宮秀軍,史忠植;基于Bayes潛在語義模型的半監(jiān)督Web挖掘[J];軟件學(xué)報(bào);2002年08期

5 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

本文編號(hào)：1544902