融合語義相似度的協(xié)同過濾服務(wù)推薦算法研究
發(fā)布時(shí)間:2025-05-15 03:49
在Web2.0時(shí)代,基于互聯(lián)網(wǎng)的Web服務(wù)因其高效率、低成本、松散耦合的特性,逐漸被開發(fā)者所青睞。此外,Mashup作為組合了多種單一功能的Web服務(wù)而提供復(fù)雜應(yīng)用場景需求的軟件,得到了研究者的廣泛關(guān)注。然而,在Mashup的開發(fā)過程中,通過開發(fā)者手動選擇Web服務(wù)的方式難以滿足日益復(fù)雜的用戶需求,如何從各種可用的Web服務(wù)中找到最合適的服務(wù)集合是一個(gè)具有挑戰(zhàn)性的研究課題。近年來,協(xié)同過濾算法被廣泛應(yīng)用在服務(wù)推薦模型中,但該算法并不能在稀疏的Mashup-Service調(diào)用矩陣中捕捉到兩者間復(fù)雜的交互信息,這會導(dǎo)致較低的推薦性能。針對這個(gè)問題,本文提出了一種融合內(nèi)容相似度的協(xié)同過濾服務(wù)推薦算法。另外,基于社交網(wǎng)絡(luò)的服務(wù)推薦算法也被研究者應(yīng)用到了Web服務(wù)推薦中,該方法的缺陷在于沒有有效利用Mashup與服務(wù)中的輔助信息,導(dǎo)致模型的推薦性能提升有限,此外,本文注意到協(xié)同過濾推薦算法的另一個(gè)缺陷是沒有針對不同的場景而生成不同的服務(wù)推薦方案。針對這兩個(gè)問題,本文提出了一種融合異構(gòu)信息網(wǎng)絡(luò)與主題模型的協(xié)同過濾服務(wù)推薦算法。本文所做的主要工作如下:一、提出了一種融合內(nèi)容相似度的協(xié)同過濾服務(wù)推薦算法...
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 研究背景與研究現(xiàn)狀
1.2 論文的組織結(jié)構(gòu)與內(nèi)容
第2章 相關(guān)理論及技術(shù)
2.1 Web服務(wù)基礎(chǔ)知識
2.1.1 Web服務(wù)的體系結(jié)構(gòu)
2.1.2 Web服務(wù)的特點(diǎn)
2.2 Mashup基礎(chǔ)知識
2.2.1 Mashup的介紹
2.2.2 Mashup的結(jié)構(gòu)
2.3 協(xié)同過濾推薦算法
2.3.1 基于用戶的協(xié)同過濾推薦
2.3.2 基于項(xiàng)目的協(xié)同過濾推薦算法
2.3.3 基于模型的協(xié)同過濾推薦算法
2.4 本章小結(jié)
第3章 融合語義相似度的協(xié)同過濾服務(wù)推薦算法
3.1 研究背景
3.2 問題定義
3.3 算法框架
3.4 Web服務(wù)推薦算法
3.4.1 矩陣分解技術(shù)
3.4.2 融合語義相似度的協(xié)同過濾服務(wù)推薦算法
3.5 實(shí)驗(yàn)與評估
3.5.1 實(shí)驗(yàn)參數(shù)介紹
3.5.2 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
3.5.3 評估標(biāo)準(zhǔn)
3.5.4 對比方法
3.5.5 實(shí)驗(yàn)結(jié)果
3.6 本章小結(jié)
第4章 融合異構(gòu)信息網(wǎng)絡(luò)與主題模型的協(xié)同過濾服務(wù)推薦算法
4.1 研究背景
4.2 算法框架
4.3 Web服務(wù)推薦算法
4.3.1 異構(gòu)信息網(wǎng)絡(luò)
4.3.2 LDA主題模型
4.3.3 貝葉斯個(gè)性化排序算法
4.3.4 融合異構(gòu)信息網(wǎng)絡(luò)與主題模型的協(xié)同過濾服務(wù)推薦算法
4.4 實(shí)驗(yàn)與評估
4.4.1 實(shí)驗(yàn)參數(shù)介紹
4.4.2 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
4.4.3 評估標(biāo)準(zhǔn)
4.4.4 對比方法
4.4.5 對實(shí)驗(yàn)結(jié)果的分析
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄A 攻讀學(xué)位期間發(fā)表的論文與科研成果清單
致謝
本文編號:4046199
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 研究背景與研究現(xiàn)狀
1.2 論文的組織結(jié)構(gòu)與內(nèi)容
第2章 相關(guān)理論及技術(shù)
2.1 Web服務(wù)基礎(chǔ)知識
2.1.1 Web服務(wù)的體系結(jié)構(gòu)
2.1.2 Web服務(wù)的特點(diǎn)
2.2 Mashup基礎(chǔ)知識
2.2.1 Mashup的介紹
2.2.2 Mashup的結(jié)構(gòu)
2.3 協(xié)同過濾推薦算法
2.3.1 基于用戶的協(xié)同過濾推薦
2.3.2 基于項(xiàng)目的協(xié)同過濾推薦算法
2.3.3 基于模型的協(xié)同過濾推薦算法
2.4 本章小結(jié)
第3章 融合語義相似度的協(xié)同過濾服務(wù)推薦算法
3.1 研究背景
3.2 問題定義
3.3 算法框架
3.4 Web服務(wù)推薦算法
3.4.1 矩陣分解技術(shù)
3.4.2 融合語義相似度的協(xié)同過濾服務(wù)推薦算法
3.5 實(shí)驗(yàn)與評估
3.5.1 實(shí)驗(yàn)參數(shù)介紹
3.5.2 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
3.5.3 評估標(biāo)準(zhǔn)
3.5.4 對比方法
3.5.5 實(shí)驗(yàn)結(jié)果
3.6 本章小結(jié)
第4章 融合異構(gòu)信息網(wǎng)絡(luò)與主題模型的協(xié)同過濾服務(wù)推薦算法
4.1 研究背景
4.2 算法框架
4.3 Web服務(wù)推薦算法
4.3.1 異構(gòu)信息網(wǎng)絡(luò)
4.3.2 LDA主題模型
4.3.3 貝葉斯個(gè)性化排序算法
4.3.4 融合異構(gòu)信息網(wǎng)絡(luò)與主題模型的協(xié)同過濾服務(wù)推薦算法
4.4 實(shí)驗(yàn)與評估
4.4.1 實(shí)驗(yàn)參數(shù)介紹
4.4.2 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
4.4.3 評估標(biāo)準(zhǔn)
4.4.4 對比方法
4.4.5 對實(shí)驗(yàn)結(jié)果的分析
4.5 本章小結(jié)
第5章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄A 攻讀學(xué)位期間發(fā)表的論文與科研成果清單
致謝
本文編號:4046199
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/4046199.html
最近更新
教材專著