隨著面向服務(wù)體系結(jié)構(gòu)(SOA)的普及,Web服務(wù)數(shù)量正在迅速增加,同時(shí)導(dǎo)致Internet上存在許多功能類似的服務(wù)。這種情況使得用戶難以針對(duì)給定的應(yīng)用環(huán)境選擇期望的Web服務(wù)。先前的研究表明,服務(wù)推薦技術(shù)可以通過(guò)用戶需求和相關(guān)服務(wù)之間的精確匹配來(lái)有效地解決這一問(wèn)題。在過(guò)去,概率主題模型已經(jīng)被廣泛用于研究從文本服務(wù)描述和用戶需求挖掘功能語(yǔ)義,然后將其用于功能屬性匹配和服務(wù)推薦。然而,傳統(tǒng)的主題模型(例如,LDA)在具有語(yǔ)義稀疏性的短文本上表現(xiàn)不佳,因此對(duì)通常具有有限數(shù)量單詞的Web服務(wù)進(jìn)行建模也是如此。為了解決上述問(wèn)題,本文試圖采用合適的主題模型,以便從短文本性質(zhì)的Web服務(wù)描述中有效地引出語(yǔ)義,并結(jié)合Web服務(wù)推薦的多維有用特征,將其集成到深度因子分解模型中,進(jìn)行有效推薦。本文的貢獻(xiàn)總結(jié)如下:1、我們提出了一種基于BTM(Biterm Topic Model)主題模型的Web服務(wù)聚類方法。該方法首先對(duì)Web服務(wù)描述文本進(jìn)行去噪預(yù)處理,然后利用BTM主題模型的詞對(duì)共現(xiàn)模式學(xué)習(xí)整個(gè)Web服務(wù)描述文檔集的隱含主題,為每篇文檔生成主題分布,并使用Gibbs采樣方法求解參數(shù)。接著利用JS距離計(jì)算...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要貢獻(xiàn)
    1.4 論文的組織結(jié)構(gòu)
第二章 理論基礎(chǔ)與相關(guān)技術(shù)
    2.1 WEB服務(wù)基礎(chǔ)知識(shí)
        2.1.1 Web服務(wù)基本架構(gòu)
        2.1.2 Web服務(wù)標(biāo)準(zhǔn)和協(xié)議
    2.2 MASHUP服務(wù)相關(guān)知識(shí)
    2.3 WEB服務(wù)推薦方法綜述
        2.3.1 基于內(nèi)容的推薦方法
        2.3.2 基于協(xié)同過(guò)濾的推薦方法
        2.3.3 混合推薦方法
    2.4 相似度計(jì)算方法
    2.5 聚類方法
        2.5.1 聚類算法分類
        2.5.2 Web服務(wù)在計(jì)算中的聚類應(yīng)用
    2.6 詞嵌入技術(shù)
        2.6.1 詞表示
        2.6.2 Word2vec
    2.7 本章小結(jié)
第三章 基于BTM主題模型的WEB服務(wù)聚類方法研究
    3.1 研究背景
    3.2 概率主題模型
        3.2.1 LDA主題模型
        3.2.2 BTM主題模型
    3.3 基于BTM模型的WEB服務(wù)聚類
        3.3.1 數(shù)據(jù)預(yù)處理
        3.3.2 BTM主題模型構(gòu)建
        3.3.3 相似性度量
        3.3.4 Web服務(wù)聚類
        3.3.5 算法復(fù)雜度分析
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 實(shí)例描述
        3.4.3 評(píng)估指標(biāo)
        3.4.4 比較方法
        3.4.5 結(jié)果分析
    3.5 本章小結(jié)
第四章 基于GPU-DMM主題模型的WEB服務(wù)推薦方法研究
    4.1 研究背景
    4.2 基于詞向量的短文本主題模型
        4.2.1 語(yǔ)義相關(guān)知識(shí)獲取
        4.2.2 GPU-DMM模型
    4.3 推薦方法概述
        4.3.1 構(gòu)建Web服務(wù)多維特征矩陣
        4.3.2 深度因子分解模型
    4.4 實(shí)驗(yàn)與分析
        4.4.1 數(shù)據(jù)集選取與實(shí)驗(yàn)設(shè)置
        4.4.2 評(píng)測(cè)指標(biāo)
        4.4.3 方法比較
        4.4.4 主題數(shù)K影響
        4.4.5 推薦方法比較
        4.4.6 模型效率
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    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(hào)：3846187