作為一種嶄新的分布式計算模型,Web服務(wù)已經(jīng)在電子商務(wù)、企業(yè)應(yīng)用集成等領(lǐng)域扮演著越來越重要的角色。隨著Web服務(wù)數(shù)目的增長,如何挖掘用戶的興趣并幫助用戶準(zhǔn)確地找到其感興趣的服務(wù),已經(jīng)成為服務(wù)計算領(lǐng)域的研究熱點。傳統(tǒng)的服務(wù)推薦算法主要有兩種,一種是基于內(nèi)容的推薦,一種是基于協(xié)同過濾的推薦。基于內(nèi)容的推薦受到信息內(nèi)容分析技術(shù)的約束,基于協(xié)同過濾的推薦受到數(shù)據(jù)稀疏性和冷啟動問題的影響。針對傳統(tǒng)推薦算法的缺點和不足,本文提出了基于用戶社交網(wǎng)絡(luò)的Web服務(wù)推薦算法。本文通過建立用戶的相似網(wǎng)絡(luò)和信任網(wǎng)絡(luò),利用這兩個網(wǎng)絡(luò)進行服務(wù)推薦。首先,本文針對皮爾遜相關(guān)系數(shù)的缺點和不足提出了三種用戶相似性算法。為了解決由于數(shù)據(jù)的稀疏性而無法計算用戶相似性的問題,本文同時提出了相似性傳遞算法,通過相似性的傳遞來更新和填充用戶的相似性。實驗結(jié)果顯示,三種相似性算法與皮爾遜相關(guān)系數(shù)具有相似的標(biāo)準(zhǔn)平均誤差,同時相似性傳遞算法也有效地降低了預(yù)測結(jié)果的標(biāo)準(zhǔn)平均誤差。在計算用戶相似性的基礎(chǔ)上,本文建立了用戶的相似網(wǎng)絡(luò),并提出用戶相似網(wǎng)絡(luò)的分團算法,將具有相似興趣的用戶劃分到同一個團體中,基于用戶相似網(wǎng)絡(luò)的推薦算法就是利用目標(biāo)... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 基本概念
        1.2.1 Web服務(wù)
        1.2.2 服務(wù)質(zhì)量QoS
        1.2.3 推薦系統(tǒng)
        1.2.4 社交網(wǎng)絡(luò)
    1.3 研究內(nèi)容及創(chuàng)新點
    1.4 本文組織結(jié)構(gòu)
第2章 Web服務(wù)推薦算法研究現(xiàn)狀
    2.1 基于QoS的Web服務(wù)推薦算法框架
    2.2 常用Web服務(wù)推薦算法分析
        2.2.1 基于內(nèi)容的推薦
        2.2.2 基于協(xié)同過濾的推薦
        2.2.3 基于網(wǎng)絡(luò)圖結(jié)構(gòu)的推薦
        2.2.4 混合推薦
    2.3 推薦算法的問題和不足
        2.3.1 數(shù)據(jù)稀疏性問題
        2.3.2 冷啟動問題
        2.3.3 算法擴展性問題
    2.4 本章小結(jié)
第3章 用戶相似性算法
    3.1 常用的用戶相似性算法
        3.1.1 余弦夾角相似性
        3.1.2 修正余弦夾角相似性
        3.1.3 皮爾遜相關(guān)系數(shù)
    3.2 三種用戶相似性算法
        3.2.1 基于QoS的用戶相似性算法
        3.2.2 等級相關(guān)相似性算法
        3.2.3 共同訪問相似性算法
    3.3 用戶相似性傳遞算法
    3.4 本章小結(jié)
第4章 基于用戶社交網(wǎng)絡(luò)的Web服務(wù)推薦
    4.1 方法概述
    4.2 用戶網(wǎng)絡(luò)模型定義
    4.3 用戶相似網(wǎng)絡(luò)分團
        4.3.1 基本思想
        4.3.2 基本定義
        4.3.3 網(wǎng)絡(luò)分團
    4.4 用戶信任網(wǎng)絡(luò)計算
        4.4.1 信任傳播
        4.4.2 信任聚合
    4.5 基于用戶社交網(wǎng)絡(luò)的服務(wù)推薦
        4.5.1 基于用戶相似網(wǎng)絡(luò)的推薦
        4.5.2 基于信任網(wǎng)絡(luò)的推薦
        4.5.3 基于用戶相似網(wǎng)絡(luò)和信任網(wǎng)絡(luò)的推薦
    4.6 本章小結(jié)
第5章 實驗結(jié)果和分析
    5.1 評價參數(shù)
        5.1.1 平均絕對誤差
        5.1.2 標(biāo)準(zhǔn)平均絕對誤差
        5.1.3 覆蓋率
        5.1.4 精確度和召回率
    5.2 實驗數(shù)據(jù)和環(huán)境
        5.2.1 實驗數(shù)據(jù)
        5.2.2 實驗環(huán)境
    5.3 實驗結(jié)果分析
        5.3.1 三種相似性算法和相似性傳遞算法
        5.3.2 基于用戶社交網(wǎng)絡(luò)的服務(wù)推薦
        5.3.3 各參數(shù)對預(yù)測誤差的影響
    5.4 本章小結(jié)
第6章 總結(jié)和展望
    6.1 本文總結(jié)
    6.2 未來工作展望
參考文獻
攻讀碩士學(xué)位期間主要的研究成果
致謝


【參考文獻】：
期刊論文
[1]個性化推薦系統(tǒng)的研究進展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進展. 2009(01)

博士論文
[1]推薦系統(tǒng)中協(xié)同過濾算法若干問題的研究[D]. 張亮.北京郵電大學(xué) 2009
[2]在線社會網(wǎng)絡(luò)信任計算與挖掘分析中若干模型與算法研究[D]. 張宇.浙江大學(xué) 2009

碩士論文
[1]基于評分預(yù)測和概率融合的協(xié)同過濾研究[D]. 趙偉.河南大學(xué) 2007



本文編號：3326395