面向空間相關(guān)性和加權(quán)評(píng)分效應(yīng)的情境感知Web服務(wù)推薦算法研究.pdf

1、分類號(hào)：分類號(hào)：密級(jí)：密級(jí)：研究生學(xué)位論文論文題目（中文）論文題目（中文）面向面向空間空間相關(guān)性和相關(guān)性和加權(quán)評(píng)分效應(yīng)加權(quán)評(píng)分效應(yīng)的情境感知的情境感知WebWeb服務(wù)推薦算法研究服務(wù)推薦算法研究論文題目（外文）論文題目（外文）ContextawareWebServicesRecommendationfModelingSpatialCrelationsWeightedRatingEffect研究生姓名研究生姓名胡亞昆胡亞昆學(xué)科、專業(yè)學(xué)科、

2、專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)研究方向研究方向服務(wù)計(jì)算服務(wù)計(jì)算、數(shù)據(jù)挖掘、數(shù)據(jù)挖掘?qū)W位級(jí)別學(xué)位級(jí)別碩士導(dǎo)師姓名、職稱導(dǎo)師姓名、職稱陳文波陳文波副教授副教授范曉亮范曉亮講師講師論文工作論文工作起止年月起止年月2012015年99月至月至2012017年66月論文提交日期論文提交日期2012017年4月論文答辯日期論文答辯日期20172017年5月學(xué)位授予日期學(xué)位授予日期20172017年6月校址：甘肅省蘭

3、州市校址：甘肅省蘭州市I面向面向空間相關(guān)性和空間相關(guān)性和加權(quán)加權(quán)評(píng)分評(píng)分效應(yīng)的情境感知效應(yīng)的情境感知WebWeb服務(wù)推薦算服務(wù)推薦算法研究研究中文摘要中文摘要近年來(lái)，隨著互聯(lián)網(wǎng)迅速發(fā)展和移動(dòng)設(shè)備的普及，互聯(lián)網(wǎng)上出現(xiàn)了大量功能相似、種類繁多的Web服務(wù)。如何向用戶推薦個(gè)性化的Web服務(wù)已成為服務(wù)計(jì)算領(lǐng)域的熱點(diǎn)研究問(wèn)題之一。傳統(tǒng)的Web服務(wù)推薦算法已無(wú)法滿足Web服務(wù)推薦的多元化需求。因此，考慮時(shí)間、空間等情境因素的情境感知Web服務(wù)推薦方

4、法應(yīng)運(yùn)而生。然而，現(xiàn)有的情境感知Web服務(wù)推薦算法的研究仍存在如下問(wèn)題：第一，現(xiàn)有算法主要關(guān)注于利用空間、時(shí)間等情境信息來(lái)尋找與當(dāng)前用戶的情境相似的用戶或與當(dāng)前Web服務(wù)的情境相似的服務(wù)。然而，尚未充分考慮用戶情境和Web服務(wù)情境之間的關(guān)聯(lián)性對(duì)用戶Web服務(wù)偏好產(chǎn)生的影響因素。因此，Web服務(wù)的推薦結(jié)果難以響應(yīng)用戶或服務(wù)情境的動(dòng)態(tài)變化。第二，在使用“用戶服務(wù)”QoS值矩陣進(jìn)行用戶之間或服務(wù)之間相似度計(jì)算時(shí)，現(xiàn)有方案將大小不同的QoS值同

5、等看待，而普遍忽略了極大或極小的QoS值對(duì)用戶之間的相似度或服務(wù)之間的相似度的顯著影響。因而，難以為用戶推薦顯著反映用戶偏好的服務(wù)。針對(duì)上述問(wèn)題，本文提出了一種面向空間相關(guān)性和加權(quán)評(píng)分效應(yīng)的情境感知Web服務(wù)推薦方法（簡(jiǎn)稱CASRSCWRE算法）。該方法旨在為用戶提供一種個(gè)性化的Web服務(wù)推薦機(jī)制：一方面，有利于挖掘用戶情境和服務(wù)情境之間的相關(guān)性對(duì)用戶Web服務(wù)偏好的影響，另一方面，保證推薦算法能夠顯著反映不同QoS值對(duì)用戶相似度或服務(wù)

6、相似度的顯著影響。本文的主要研究?jī)?nèi)容包括：首先，通過(guò)用戶空間情境和服務(wù)空間情境之間的關(guān)聯(lián)性，建模了空間相關(guān)性對(duì)用戶Web服務(wù)偏好影響，得到與用戶當(dāng)前偏好相符的Web服務(wù)調(diào)用記錄。其次，通過(guò)建模加權(quán)評(píng)分效應(yīng)來(lái)計(jì)算用戶之間相似度或服務(wù)之間相似度，并結(jié)合傳統(tǒng)的時(shí)間衰減相似度求解模型，提出了基于加權(quán)評(píng)分效應(yīng)的時(shí)間衰減模型。再次，基于上述兩步過(guò)濾得到的數(shù)據(jù)，利用貝葉斯定理預(yù)測(cè)某一特定的Web服務(wù)對(duì)當(dāng)前用戶的QoS值。最后，本文在WSDream數(shù)據(jù)