多維數(shù)據(jù)融合的API服務(wù)可信推薦方法研究
發(fā)布時(shí)間:2023-10-02 01:57
隨著Saa S和SOA技術(shù)的發(fā)展,互聯(lián)網(wǎng)上涌現(xiàn)了大量Web服務(wù),然而在動(dòng)態(tài)變化的網(wǎng)絡(luò)環(huán)境下,服務(wù)可能出現(xiàn)不可用或失效的問題。在這種情況下,如何幫助用戶發(fā)現(xiàn)可替代服務(wù)以及所發(fā)現(xiàn)服務(wù)是否可信是一個(gè)極具挑戰(zhàn)性的問題,吸引了國內(nèi)外研究人員的廣泛關(guān)注。但是,已有的可信推薦方法往往基于服務(wù)的單一信息進(jìn)行推薦,忽略了服務(wù)多維信息的融合。因此,本文圍繞如何基于服務(wù)的多維數(shù)據(jù)信息進(jìn)行可信服務(wù)推薦展開了研究,主要研究?jī)?nèi)容如下:(1)提出一種基于描述信息和規(guī)格(Specs)信息的相似API服務(wù)推薦方法。該方法針對(duì)已有推薦方法一般基于服務(wù)單一信息進(jìn)行推薦的問題,從API服務(wù)描述信息和規(guī)格信息兩個(gè)方面進(jìn)行考慮,首先通過LDA主題模型對(duì)API描述信息進(jìn)行服務(wù)聚類,并通過相似度計(jì)算判斷待替代API(目標(biāo)API)所屬主題類簇;然后考慮API規(guī)格信息,根據(jù)Jaccard系數(shù)對(duì)該主題類簇下的API進(jìn)行進(jìn)一步篩選;在此基礎(chǔ)上計(jì)算目標(biāo)API描述信息與篩選后的API描述信息之間的相似度并排序,從而將相似度高的API作為候選可替代服務(wù)進(jìn)行推薦;最后通過Programmableweb網(wǎng)站上真實(shí)數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,上述方...
【文章頁數(shù)】:62 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀及分析
1.2.1 服務(wù)聚類研究分析
1.2.2 服務(wù)推薦分析
1.2.3 可信推薦分析
1.3 論文主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
1.4 論文組織結(jié)構(gòu)
2 相關(guān)理論與技術(shù)
2.1 典型聚類方法概述
2.2 文本向量化方法
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
2.3.3 基于模型的協(xié)同過濾推薦
2.4 常見的相似性計(jì)算方法
2.5 常見評(píng)估方法
2.6 本章小結(jié)
3 基于描述信息和Specs信息的相似API服務(wù)推薦方法
3.1 引言
3.2 基于描述信息的API服務(wù)聚類
3.2.1 API服務(wù)描述信息的介紹
3.2.2 基于LDA的 API服務(wù)聚類
3.3 基于相似度計(jì)算和Specs信息的相似API推薦
3.3.1 識(shí)別目標(biāo)API所屬主題類簇
3.3.2 基于API Specs信息的篩選
3.3.3 相似API服務(wù)推薦
3.4 實(shí)驗(yàn)結(jié)果及分析
3.4.1 實(shí)驗(yàn)準(zhǔn)備
3.4.2 評(píng)估指標(biāo)
3.4.3 聚類結(jié)果分析
3.4.4 推薦結(jié)果分析
3.5 本章小結(jié)
4 基于可信度和關(guān)注度的API服務(wù)可信推薦方法
4.1 引言
4.2 數(shù)據(jù)收集及預(yù)處理
4.2.1 數(shù)據(jù)歸一化處理
4.2.2 評(píng)分均值化
4.3 用戶和Mashup服務(wù)可信度和關(guān)注度的計(jì)算
4.3.1 用戶可信度和關(guān)注度的計(jì)算
4.3.2 Mashup服務(wù)可信度和關(guān)注度的計(jì)算
4.4 基于可信度和關(guān)注度的API服務(wù)可信推薦
4.5 實(shí)驗(yàn)及結(jié)果分析
4.5.1 實(shí)驗(yàn)準(zhǔn)備
4.5.2 實(shí)驗(yàn)評(píng)估指標(biāo)
4.5.3 實(shí)驗(yàn)結(jié)果分析
4.6 本章小結(jié)
5 總結(jié)與展望
5.1 本文主要貢獻(xiàn)
5.2 下一步工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文及參與的科研項(xiàng)目
本文編號(hào):3849870
【文章頁數(shù)】:62 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀及分析
1.2.1 服務(wù)聚類研究分析
1.2.2 服務(wù)推薦分析
1.2.3 可信推薦分析
1.3 論文主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
1.4 論文組織結(jié)構(gòu)
2 相關(guān)理論與技術(shù)
2.1 典型聚類方法概述
2.2 文本向量化方法
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
2.3.3 基于模型的協(xié)同過濾推薦
2.4 常見的相似性計(jì)算方法
2.5 常見評(píng)估方法
2.6 本章小結(jié)
3 基于描述信息和Specs信息的相似API服務(wù)推薦方法
3.1 引言
3.2 基于描述信息的API服務(wù)聚類
3.2.1 API服務(wù)描述信息的介紹
3.2.2 基于LDA的 API服務(wù)聚類
3.3 基于相似度計(jì)算和Specs信息的相似API推薦
3.3.1 識(shí)別目標(biāo)API所屬主題類簇
3.3.2 基于API Specs信息的篩選
3.3.3 相似API服務(wù)推薦
3.4 實(shí)驗(yàn)結(jié)果及分析
3.4.1 實(shí)驗(yàn)準(zhǔn)備
3.4.2 評(píng)估指標(biāo)
3.4.3 聚類結(jié)果分析
3.4.4 推薦結(jié)果分析
3.5 本章小結(jié)
4 基于可信度和關(guān)注度的API服務(wù)可信推薦方法
4.1 引言
4.2 數(shù)據(jù)收集及預(yù)處理
4.2.1 數(shù)據(jù)歸一化處理
4.2.2 評(píng)分均值化
4.3 用戶和Mashup服務(wù)可信度和關(guān)注度的計(jì)算
4.3.1 用戶可信度和關(guān)注度的計(jì)算
4.3.2 Mashup服務(wù)可信度和關(guān)注度的計(jì)算
4.4 基于可信度和關(guān)注度的API服務(wù)可信推薦
4.5 實(shí)驗(yàn)及結(jié)果分析
4.5.1 實(shí)驗(yàn)準(zhǔn)備
4.5.2 實(shí)驗(yàn)評(píng)估指標(biāo)
4.5.3 實(shí)驗(yàn)結(jié)果分析
4.6 本章小結(jié)
5 總結(jié)與展望
5.1 本文主要貢獻(xiàn)
5.2 下一步工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文及參與的科研項(xiàng)目
本文編號(hào):3849870
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3849870.html
最近更新
教材專著