發(fā)布時間：2017-11-10 01:08

  本文關(guān)鍵詞：融合維基知識的情境感知Web服務(wù)發(fā)現(xiàn)方法研究

  更多相關(guān)文章： 維基知識 情境感知 服務(wù)聚類 隱反饋 在線服務(wù)推薦

【摘要】：互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展為軟件開發(fā)提供了海量可利用的信息和軟件資源,極大地改變了軟件開發(fā)技術(shù)的形態(tài)。服務(wù)組裝和服務(wù)重用的開發(fā)模式能夠靈活應(yīng)對不斷變化的業(yè)務(wù)需求,從而逐漸成為互聯(lián)網(wǎng)上軟件開發(fā)技術(shù)的新方向。服務(wù)發(fā)現(xiàn)是實現(xiàn)服務(wù)組裝和重用的重要前提,關(guān)系到能否真正實現(xiàn)服務(wù)的“即插即用”,對基于網(wǎng)絡(luò)的軟件開發(fā)效率和軟件質(zhì)量都具有深遠的影響。伴隨著互聯(lián)網(wǎng)上服務(wù)資源的快速增長,如何快速有效的幫助用戶發(fā)現(xiàn)個性化的服務(wù)資源成為亟待解決的關(guān)鍵問題。本文為了滿足用戶個性化、多元化和動態(tài)變化的服務(wù)發(fā)現(xiàn)需求,首先提出情境感知的多策略融合的服務(wù)發(fā)現(xiàn)框架,在此基礎(chǔ)上,以滿足用戶的個性化需求為目的,針對目前集中式服務(wù)發(fā)現(xiàn)模型中的相關(guān)問題,將服務(wù)發(fā)現(xiàn)和服務(wù)推薦的多種策略有機結(jié)合,實現(xiàn)不同情境下服務(wù)的個性化發(fā)現(xiàn)和推薦。通過相關(guān)實驗驗證了本文所提方法的可行性和有效性。本文的研究內(nèi)容主要包含以下幾個方面：(1)建立一個情境感知的多策略融合的個性化服務(wù)發(fā)現(xiàn)框架服務(wù)聚類能夠提高服務(wù)發(fā)現(xiàn)的能力,服務(wù)推薦可以滿足用戶個性化服務(wù)發(fā)現(xiàn)的要求,情境知識可以更準確的刻畫用戶需求。將上述多種策略融合在一起可以充分發(fā)揮它們各自的優(yōu)勢,彌補不同策略間的不足。因此本文首先將提出一種多策略融合的個性化服務(wù)發(fā)現(xiàn)框架。該框架通過服務(wù)聚類提升服務(wù)組織分類和發(fā)現(xiàn)效果；利用服務(wù)推薦技術(shù)預(yù)測用戶興趣偏好提供個性化發(fā)現(xiàn)結(jié)果;在服務(wù)發(fā)現(xiàn)過程中引入情境知識來進一步刻畫用戶以提升服務(wù)發(fā)現(xiàn)的效果。該框架以用戶為中心,通過多策略融合來改善用戶的個性化服務(wù)發(fā)現(xiàn)體驗。(2)建立一種基于遷移學(xué)習的服務(wù)聚類模型現(xiàn)有的服務(wù)描述文件存在語義稀疏的問題,因此傳統(tǒng)的模型女"bag of words"在語義稀疏情境下進行服務(wù)聚類有很大局限。為此,本文提出一種基于外部知識庫Wikipedia來豐富服務(wù)描述語義從而提高服務(wù)聚類效果的方法。該方法基于遷移學(xué)習融合Wiki知識、標簽信息和服務(wù)描述信息,并在潛在空間中建立服務(wù)的隱含主題表示,最后基于隱含主題表示對服務(wù)進行聚類。該方法能夠融合源領(lǐng)域的Wiki知識和標簽知識,將源領(lǐng)域和目標領(lǐng)域知識映射到同一特征空間進行聚類,在豐富服務(wù)描述語義的同時實現(xiàn)了對服務(wù)的聚類組織,為提高服務(wù)發(fā)現(xiàn)的效率奠定基礎(chǔ)。(3)提出一種基于隱反饋的時間感知服務(wù)推薦方法相比于搜索技術(shù)僅僅能夠為全部用戶提供相同的搜索信息,推薦技術(shù)往往能夠為用戶提供更個性化的結(jié)果。基于顯式反饋的服務(wù)推薦方法在服務(wù)計算領(lǐng)域應(yīng)用并不廣泛,原因之一是用戶和服務(wù)的顯式交互信息很難獲取。因此本文針對用戶和服務(wù)的隱反饋知識建立一種偽評分機制,從而將用戶隱式偏好映射為顯式打分。然后抽取并分析了隱反饋知識中的時間情境信息,追蹤并發(fā)現(xiàn)用戶隱式偏好隨時間情境變化的特征,基于概率矩陣因子分解模型為用戶建立一種時間敏感的服務(wù)推薦方法。該方法基于隱反饋數(shù)據(jù),融合情境知識,能夠為用戶提供時間感知的個性化服務(wù)發(fā)現(xiàn)結(jié)果。(4)提出一種基于隱反饋的在線服務(wù)推薦方法服務(wù)推薦系統(tǒng)同傳統(tǒng)推薦系統(tǒng)一樣都存在冷啟動的問題,用戶冷啟動問題是其中一個重要的方面。引入更多的情境信息可以幫助刻畫用戶概況,從而為推薦系統(tǒng)提供更多的用戶信息,進一步提高推薦系統(tǒng)的能力�；谠诰�學(xué)習模式的PMF模型能夠捕獲動態(tài)變化的用戶偏好,可以用來為用戶提供在線、個性化的服務(wù)推薦。因此本文進一步分析了服務(wù)推薦系統(tǒng)中的情境信息,建立融合時間和地點兩類情境信息的“最流行”服務(wù)推薦模型來為冷啟動用戶提供最流行服務(wù)推薦。在用戶與推薦系統(tǒng)交互之后,利用在線服務(wù)推薦的算法對新用戶的新隱反饋信息進行流式處理,從而建立一種情境感知的在線服務(wù)推薦模型。本文圍繞“面對互聯(lián)網(wǎng)上大量的、語義稀疏的服務(wù)資源,如何利用情境和輔助知識進行有效的服務(wù)發(fā)現(xiàn)以滿足用戶的個性化偏好”這個關(guān)鍵問題,以用戶為中心,通過多策略組合的方式,利用多種外部知識,采用多種形式為用戶提供所需的服務(wù),有效地支撐了個性化服務(wù)發(fā)現(xiàn)。最后,在相關(guān)研究方法基礎(chǔ)之上,本文設(shè)計和實現(xiàn)了相應(yīng)的實驗,用于驗證這些方法的有效性。上述內(nèi)容1建立了本文研究的主要框架,是后續(xù)個性化服務(wù)發(fā)現(xiàn)工作的入口,內(nèi)容2、3、4組合在一起共同構(gòu)成了該框架,從不同的側(cè)面、使用不同的方法解決服務(wù)的個性化推薦問題。
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP393.09;TP391.3

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設(shè)計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個性化網(wǎng)絡(luò)學(xué)習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟學(xué)模型的推薦系統(tǒng)的研究[J];計算機應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學(xué)報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學(xué)習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設(shè)計與實現(xiàn)[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周魏;推薦系統(tǒng)中基于目標項目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 田剛;融合維基知識的情境感知Web服務(wù)發(fā)現(xiàn)方法研究[D];武漢大學(xué);2015年

3 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計研究[D];中國科學(xué)技術(shù)大學(xué);2007年

4 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

5 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

6 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

7 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

8 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

9 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

10 李方方;非獨立同分布推薦系統(tǒng)研究[D];北京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 朱孔真;基于云計算的電子商務(wù)智能推薦系統(tǒng)研究[D];武漢理工大學(xué);2014年

2 郭敬澤;基于賦權(quán)評分和Dpark的分布式推薦系統(tǒng)研究與實現(xiàn)[D];天津理工大學(xué);2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設(shè)計[D];江南大學(xué);2015年

4 李煒;基于電子商務(wù)平臺的保險推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];復(fù)旦大學(xué);2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學(xué);2015年

6 秦大路;基于因式分解機模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學(xué);2015年

7 徐霞婷;動態(tài)路網(wǎng)監(jiān)控與導(dǎo)航推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];蘇州大學(xué);2015年

8 黃學(xué)峰;基于Hadoop的電影推薦系統(tǒng)研究與實現(xiàn)[D];南京師范大學(xué);2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];上海交通大學(xué);2015年

10 李愛寶;基于組合消費行為分析的團購?fù)扑]系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：1164379