發(fā)布時間：2017-04-30 11:08

  本文關(guān)鍵詞：基于協(xié)同過濾和QoS預(yù)測的Web服務(wù)推薦方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：Web服務(wù)作為一種廣泛應(yīng)用的分布式計算模型,近年來得到了學(xué)術(shù)界和工業(yè)界的重點關(guān)注。隨著Web服務(wù)規(guī)模的不斷擴大,如何為用戶選擇最優(yōu)的Web服務(wù)已成為服務(wù)計算領(lǐng)域的一項重要挑戰(zhàn)。一個好的Web服務(wù)推薦系統(tǒng),一方面可提升用戶的尋找效率,另一方面也可幫助服務(wù)提供者防止由于信息過載造成的用戶流失等狀況的發(fā)生。在一組功能相似的Web服務(wù)中,為幫助用戶選擇最適合的Web服務(wù),Web服務(wù)的Qo S服務(wù)質(zhì)量屬性是其中的關(guān)鍵因素。目前,基于Qo S的Web服務(wù)推薦系統(tǒng)研究有限,現(xiàn)階段仍然存在著個性化程度不高,推薦效率偏低等問題。針對Web服務(wù)推薦系統(tǒng)中面臨的主要問題,本文對Web服務(wù)推薦系統(tǒng)中的個性化協(xié)同過濾推薦算法進行了探索和研究。論文主要工作包括:①分析了近幾年Web服務(wù)推薦和推薦系統(tǒng)的研究背景及現(xiàn)狀,介紹了協(xié)同過濾、聚類等推薦系統(tǒng)的相關(guān)技術(shù),對基于協(xié)同過濾的Qo S預(yù)測算法和用戶相似度計算方法進行了詳細描述。②研究了UBCF算法中用戶相似度計算方法,針對用戶相似度計算不準確的問題,引入了Web服務(wù)相似性影響因子,對傳統(tǒng)的用戶相似度計算方法加以改進,結(jié)合現(xiàn)有的基于用戶的協(xié)同過濾算法,提出了自適應(yīng)服務(wù)的協(xié)同過濾Qo S預(yù)測算法(SA-UBCF)。③通過對基于聚類的協(xié)同過濾算法的研究,針對聚類過程中所遇到的灰羊問題,引入用戶置信度概念,提出了基于用戶置信度對用戶預(yù)分類的二次聚類算法,然后將其應(yīng)用推薦算法中,提出了基于二次聚類的協(xié)同過濾Qo S預(yù)測算法(DCCF)。④采用WSRec數(shù)據(jù)集的Qo SDataset2版本,通過實驗對提出的SA-UBCF算法和DCCF算法進行評估,驗證其合理性和有效性。實驗結(jié)果表明,相對傳統(tǒng)的UBCF方法和其它文獻提出的改進算法,SA-UBCF和DCCF算法在Qo S預(yù)測準確率上均有一定程度的提高;同時DCCF算法可以有效提升推薦系統(tǒng)效率。
【關(guān)鍵詞】：Web服務(wù) 推薦系統(tǒng) QoS預(yù)測 協(xié)同過濾 用戶聚類
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.09;TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 1 緒論8-14
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 論文研究內(nèi)容11-12
• 1.4 論文章節(jié)安排12-13
• 1.5 本章小結(jié)13-14
• 2 相關(guān)技術(shù)研究14-26
• 2.1 WEB服務(wù)14-18
• 2.1.1 WEB服務(wù)的概念14
• 2.1.2 WEB服務(wù)模型14-16
• 2.1.3 WEB服務(wù)的技術(shù)體系16-17
• 2.1.4 WEB服務(wù)的QoS17-18
• 2.2 推薦系統(tǒng)研究18-25
• 2.2.1 基于關(guān)聯(lián)規(guī)則的推薦算法19-20
• 2.2.2 基于內(nèi)容的推薦算法20-21
• 2.2.3 基于協(xié)同過濾的推薦算法21-25
• 2.3 本章小結(jié)25-26
• 3 自適應(yīng)服務(wù)的協(xié)同過濾QoS預(yù)測算法26-37
• 3.1 引言26
• 3.2 基于協(xié)同過濾的QoS預(yù)測算法26-29
• 3.3 傳統(tǒng)協(xié)同過濾算法的問題29-32
• 3.4 自適應(yīng)服務(wù)QoS預(yù)測算法的提出32-36
• 3.4.1 改進的用戶相似性計算方法32-35
• 3.4.2 改進算法的推薦流程35-36
• 3.5 本章小結(jié)36-37
• 4 基于二次聚類協(xié)同過濾QoS預(yù)測算法37-48
• 4.1 基于用戶聚類的協(xié)同過濾算法37-40
• 4.1.1 基本流程37
• 4.1.2 灰羊問題37-40
• 4.2 用戶置信度40-44
• 4.2.1 相關(guān)定義40
• 4.2.2 評分置信度40-42
• 4.2.3 評分置信度算法42-43
• 4.2.5 評分置信度算法示例43-44
• 4.3 基于二次聚類的協(xié)同過濾QoS預(yù)測算法44-47
• 4.4 本章小結(jié)47-48
• 5 實驗設(shè)計與結(jié)果分析48-56
• 5.1 實驗環(huán)境48
• 5.1.1 實驗平臺48
• 5.1.2 實驗數(shù)據(jù)48
• 5.2 評價指標48-49
• 5.3 對比算法描述49-50
• 5.4 實驗設(shè)計和結(jié)果分析50-55
• 5.5 本章小結(jié)55-56
• 6 總結(jié)與展望56-58
• 6.1 總結(jié)56
• 6.2 展望56-58
• 致謝58-59
• 參考文獻59-64
• 附錄64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊風召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

6 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過濾推薦方法[J];計算機工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡(luò)教學(xué)平臺研究[J];科技風;2012年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

3 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機研究[D];上海交通大學(xué);2011年

4 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學(xué);2012年

5 高e，

本文編號：336737