本文關鍵詞：基于QoS信息的服務推薦

  更多相關文章： Web服務 云服務 服務推薦 QoS信息 多目標推薦

【摘要】：隨著以Web服務、云服務為代表的互聯(lián)網服務的蓬勃發(fā)展,服務形式及服務數(shù)量都在迅速的增加。因此,對于用戶來說,如何選擇合適的服務成為一個亟待解決的問題。服務推薦技術在這種背景之下出現(xiàn),并成為解決上述問題的有效手段。論文圍繞服務推薦話題展開,主要進行了三方面工作。首先,論文從傳統(tǒng)推薦方法不注重時間信息的缺陷出發(fā),將時間信息納入?yún)f(xié)同過濾推薦方法中,提出了一個考慮時間信息的QoS值預測算法,以此為基礎實現(xiàn)了時間感知的基于QoS值服務推薦方法,并且用實驗驗證了該方法的可行性及優(yōu)越性。其次,論文將服務推薦與多目標推薦結合,提出了一個基于多目標決策的多目標服務推薦方法。該方法將用戶需求泛化為多目標決策中的目標,提出了完整的目標滿足度及目標集滿足度的衡量方法,并且考慮到了目標之間存在優(yōu)先級的現(xiàn)實場景并實現(xiàn)其衡量方法,使得該方法尤其適用于服務推薦場景。最后,論文實現(xiàn)了一個云服務推薦引擎系統(tǒng)。該系統(tǒng)的推薦方法基于上述兩種推薦方法,結合云服務抓取,云服務對象化存儲等模塊,實現(xiàn)了為用戶提供其感興趣的云服務提供商及實例的功能。該系統(tǒng)的用戶界面以網頁的方式加以實現(xiàn),用戶可以通過與網頁交互提出自己的需求,并得到云服務搜索結果。
【關鍵詞】：Web服務 云服務 服務推薦 QoS信息 多目標推薦
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-11
• 第一章 緒論11-18
• 1.1 引言11
• 1.2 課題研究背景及研究意義11-15
• 1.3 本文主要工作及創(chuàng)新點15-16
• 1.4 章節(jié)安排16-18
• 第二章 服務推薦概述18-36
• 2.1 引言18
• 2.2 Web服務概述18-20
• 2.2.1 Web服務定義18
• 2.2.2 Web服務結構18-19
• 2.2.3 Web服務調用方式19-20
• 2.3 云服務概述20-23
• 2.3.1 云計算概念20-21
• 2.3.2 云服務的服務模式21-22
• 2.3.3 云服務的部署模式22-23
• 2.4 推薦系統(tǒng)概述23-28
• 2.4.1 協(xié)同過濾推薦25-27
• 2.4.2 基于內容的推薦27-28
• 2.4.3 混合推薦28
• 2.5 服務推薦研究現(xiàn)狀28-35
• 2.5.1 現(xiàn)有的協(xié)同過濾方法30-32
• 2.5.2 現(xiàn)有的其他方法32
• 2.5.3 現(xiàn)有方法存在的不足32-35
• 2.6 本章小結35-36
• 第三章 時間感知的基于QOS服務推薦方法36-61
• 3.1 時間感知的基于QoS服務推薦方法設計概述36-38
• 3.2 用于推薦系統(tǒng)的張量分解算法38-47
• 3.2.1 張量的表示方法及基本運算38-40
• 3.2.2 算法問題定義40-41
• 3.2.3 張量缺失項預測41-47
• 3.3 缺失QoS值預測實驗47-59
• 3.3.1 數(shù)據(jù)集簡介48-49
• 3.3.2 評估測度49
• 3.3.3 預測算法性能評估49-56
• 3.3.4 n秩取值對預測準確度的影響56-59
• 3.4 本章小結59-61
• 第四章 多目標服務推薦算法61-75
• 4.1 多目標服務推薦設計概述61-62
• 4.2 服務推薦的多目標決策模型構建62-65
• 4.2.1 建立目標集合63-64
• 4.2.2 多目標推薦對象模型的構建64-65
• 4.3 服務推薦的多目標決策算法65-74
• 4.3.1 服務推薦的多目標決策基本模型構建66-68
• 4.3.2 OWA優(yōu)先級目標聚合方法68-72
• 4.3.3 弱有序的OWA聚合方法72-74
• 4.4 本章小結74-75
• 第五章 云服務搜索引擎系統(tǒng)75-91
• 5.1 系統(tǒng)概述75-78
• 5.1.1 需求分析75-76
• 5.1.2 模型概要76-78
• 5.2 系統(tǒng)結構78-79
• 5.3 關鍵技術79-83
• 5.3.1 云服務信息抓取79-80
• 5.3.2 云服務實例對象化80-82
• 5.3.3 云服務推薦算法82-83
• 5.4 系統(tǒng)實現(xiàn)83-90
• 5.4.1 軟件運行環(huán)境83
• 5.4.2 軟件主要功能83
• 5.4.3 用戶界面83-90
• 5.5 本章小結90-91
• 第六章 結束語91-93
• 6.1 主要工作與創(chuàng)新點91-92
• 6.2 后續(xù)研究工作92-93
• 參考文獻93-97
• 致謝97-98
• 攻讀碩士學位期間已發(fā)表或錄用的論文98-99
• 上海交通大學碩士學位論文答辯決議書99-101

【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];計算機工程與應用;2007年06期

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

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導購系統(tǒng)[J];武漢大學學報(工學版);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];西安電子科技大學學報;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)同過濾推薦技術的個性化網絡教學平臺研究[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)庫學術會議論文集（技術報告篇）[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)庫學術會議論文集（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屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（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)仿真學會第五次全國會員代表大會暨2006年全國學術年會論文集[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)庫學術會議論文集（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容安全學術會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(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'中國信息技術與應用學術論壇論文集（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)庫學術會議論文集（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)庫學術會議論文集A輯一[C];2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

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

2 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應用研究[D];大連理工大學;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;2011年

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

5 高e，

本文編號：703353