互聯(lián)網(wǎng)技術(shù)和服務(wù)的發(fā)展極大拓展了人們生產(chǎn)生活的廣度和深度,用戶(hù)在海量Web服務(wù)中很難找到適合自己的服務(wù),使得Web服務(wù)的個(gè)性化推薦成為服務(wù)計(jì)算領(lǐng)域最重要的挑戰(zhàn)之一。當(dāng)前很多研究和技術(shù)基于客戶(hù)端QoS產(chǎn)生推薦,但缺乏考慮在服務(wù)調(diào)用矩陣數(shù)據(jù)稀疏下服務(wù)端功能屬性和用戶(hù)地理位置對(duì)推薦結(jié)果的影響,針對(duì)此問(wèn)題,本文做出如下工作:首先,構(gòu)建基于文本信息挖掘的Web服務(wù)功能相似度計(jì)算模型,并基于該模型進(jìn)行服務(wù)聚類(lèi)。本文利用數(shù)據(jù)集中的URL獲取服務(wù)的WSDL文檔,并進(jìn)行上下文特征提取,以獲得其功能描述并進(jìn)行歸一化處理。再構(gòu)建基于功能描述特征詞文本的相似度計(jì)算模型,利用K-means++算法進(jìn)行相似服務(wù)聚類(lèi)。其次,本文基于分層的地理鄰域和修正的余弦相似度計(jì)算模型進(jìn)行用戶(hù)聚類(lèi),以獲得有相似服務(wù)偏好的用戶(hù)集合。重點(diǎn)分析了地理位置對(duì)用戶(hù)的Web服務(wù)偏好的影響,用戶(hù)及其鄰居的QoS偏好是具有正相關(guān)性的關(guān)系,這使得將地理鄰居的因素考慮在推薦模型中是必要的。我們使用修正的余弦相似度計(jì)算公式作為計(jì)算用戶(hù)之間差異程度的工具,并設(shè)計(jì)了一個(gè)分層地理鄰域的用戶(hù)聚類(lèi)算法。通過(guò)實(shí)驗(yàn)處理數(shù)據(jù)集,獲得相似用戶(hù)集合。最后,提出一種基于相... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

WSDL文件樣例

相似度計(jì)算和聚類(lèi)集合文將相似服務(wù)聚類(lèi)成 K 個(gè)集合，由于服務(wù)聚類(lèi)是無(wú)參考坐標(biāo)的，采用的是算法 1 的地獲得相似描述的服務(wù)集合。我們通過(guò)人工處理的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，得到一些分布服務(wù)聚類(lèi)的具體效果，以及聚類(lèi)個(gè)數(shù) K 的影響。 3.2 是初始數(shù)據(jù)集，一個(gè)密度不均的數(shù)據(jù)團(tuán)，聚類(lèi)中心是其中的紅星點(diǎn)，初始隨機(jī)圖 3.3 是 Web 服務(wù)經(jīng)過(guò)特征詞偏移映射后的服務(wù)分類(lèi)效果圖，是一個(gè)三位圖像，每個(gè)子(3.6)中的三個(gè)屬性。其中橫軸是特征詞中“portType”的偏移量，縱軸是特征詞ice”的偏移量，豎軸是經(jīng)過(guò)提取的功能描述特征詞的偏移量。為了方便說(shuō)明聚類(lèi)效果布中的數(shù)據(jù)是經(jīng)過(guò)人工處理的數(shù)據(jù)點(diǎn)集，其中密度較大的部分代表一個(gè)具有相似功類(lèi)別。此時(shí) K=5，每個(gè)類(lèi)別如下圖 3.6 中圈定的點(diǎn)集，紅色星形點(diǎn)是每個(gè)類(lèi)別的中心自動(dòng)收斂確定，其基本分布在密度較高的點(diǎn)的中心，說(shuō)明較好地達(dá)到了聚類(lèi)效果。

相似功能描述的服務(wù)聚類(lèi)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]QoS Evaluation for Web Service Recommendation[J]. MA You,XIN Xin,WANG Shangguang,LI Jinglin,SUN Qibo,YANG Fangchun.  中國(guó)通信. 2015(04)
[2]基于混合協(xié)同過(guò)濾的個(gè)性化Web服務(wù)推薦[J]. 張雪潔,王志堅(jiān),張偉建.  計(jì)算機(jī)科學(xué)與探索. 2015(05)
[3]基于用戶(hù)-項(xiàng)目的混合協(xié)同過(guò)濾算法[J]. 陳彥萍,王賽.  計(jì)算機(jī)技術(shù)與發(fā)展. 2014(12)
[4]協(xié)同過(guò)濾推薦技術(shù)綜述[J]. 冷亞軍,陸青,梁昌勇.  模式識(shí)別與人工智能. 2014(08)
[5]Personalized Recommendation Algorithm Based on Preference Features[J]. Liang Hu,Guohang Song,Zhenzhen Xie,Kuo Zhao.  Tsinghua Science and Technology. 2014(03)
[6]Web服務(wù)個(gè)性化推薦研究綜述[J]. 張秀偉,何克清,王健,劉建曉.  計(jì)算機(jī)工程與科學(xué). 2013(09)
[7]基于KNN-SVM的混合協(xié)同過(guò)濾推薦算法[J]. 呂成戍,王維國(guó),丁永健.  計(jì)算機(jī)應(yīng)用研究. 2012(05)
[8]基于用戶(hù)特征和項(xiàng)目屬性的混合協(xié)同過(guò)濾推薦[J]. 廖新考.  福建電腦. 2010(07)
[9]基于SOAP的分布式構(gòu)件集成研究[J]. 汪維華,葛君偉,解紹詞,汪維清.  計(jì)算機(jī)工程與設(shè)計(jì). 2006(01)
[10]基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J]. 鄧愛(ài)林,朱揚(yáng)勇,施伯樂(lè).  軟件學(xué)報(bào). 2003(09)



本文編號(hào)：3424815