基于隨機游走的Web服務(wù)推薦算法研究.pdf

1、近年來，隨著面向服務(wù)的計算模式和架構(gòu)的廣泛應(yīng)用，越來越多的Web服務(wù)出現(xiàn)在Internet上。許多Web服務(wù)具有相同或相似的功能，但是服務(wù)質(zhì)量（Quality of Service，QoS）卻參差不齊。面對大量的候選Web服務(wù)，服務(wù)用戶不得不花費大量的時間和精力來挑選既滿足功能需求又具有較高質(zhì)量的服務(wù)。因此，為用戶推薦合適的高質(zhì)量Web服務(wù)變得越來越重要。
　　以往的Web服務(wù)推薦系統(tǒng)一般采用協(xié)同過濾方法，即根據(jù)其他用戶的服務(wù)調(diào)用

2、記錄來為目標用戶預測服務(wù)的質(zhì)量，從而為之推薦較高質(zhì)量的服務(wù)。在現(xiàn)實情況中，隨著網(wǎng)絡(luò)上Web服務(wù)和服務(wù)用戶的數(shù)量加速增長，一個用戶常常只調(diào)用很少量的幾個Web服務(wù)，這造成了服務(wù)調(diào)用記錄和QoS數(shù)據(jù)的極度稀疏，從而引起當前的Web服務(wù)推薦方法在預測服務(wù)QoS時精度下降。并且，傳統(tǒng)的Web服務(wù)推薦方法無法得到QoS預測和服務(wù)推薦的置信度。Web服務(wù)的QoS通常受到用戶和服務(wù)位置的影響?；谶@一事實，有一些研究工作考慮利用用戶或服務(wù)的位置信息來

3、更好地預測服務(wù)的QoS，在一定程度上可以解決服務(wù)QoS數(shù)據(jù)的稀疏問題。然而，在用戶和服務(wù)位置分布比較稀疏的情況下，以往利用位置的服務(wù)推薦方法在服務(wù)QoS預測精度方面也會受到限制。為了結(jié)合服務(wù)的QoS記錄和用戶的位置信息，同時提高服務(wù)的推薦精度和覆蓋率，本文提出了一種基于隨機游走模型的Web服務(wù)推薦方法。本文的主要貢獻如下：
　?。?）提出了一種隨機游走模型和相應(yīng)的服務(wù)推薦方法，結(jié)合了用戶位置信息和協(xié)同過濾技術(shù)來預測Web服務(wù)的Qo

4、S。該方法包含兩個階段。第一階段利用用戶的地理位置信息，并考慮用戶之間的相似性構(gòu)建用戶網(wǎng)絡(luò)。第二階段在該網(wǎng)絡(luò)上執(zhí)行隨機游走算法，每次游走為目標用戶和目標服務(wù)計算一個QoS預測值，直到滿足終止條件為止，最后匯總這些QoS預測值來計算結(jié)果。我們的方法能夠有效解決Web服務(wù)數(shù)據(jù)稀疏性問題和冷啟動問題，提高了服務(wù)推薦的覆蓋率，在一定程度上也提高了服務(wù)推薦的精度。且該方法允許我們定義和測量推薦結(jié)果的置信度。為了評估我們提出方法的性能，在一個真實的

5、Web服務(wù)數(shù)據(jù)集上進行了一系列全面的實驗，并和已存在的協(xié)同過濾方法作了比較。結(jié)果顯示了所提方法的優(yōu)越性。
　　（2）通過擴展上述基于隨機游走的Web服務(wù)推薦方法，提出了一種Web服務(wù)QoS區(qū)間預測方法。現(xiàn)實中Web服務(wù)的QoS值往往是不確定的、動態(tài)變化的，容易受到用戶位置、網(wǎng)絡(luò)狀態(tài)和服務(wù)負載的影響。用單一的點值預測Web服務(wù)的QoS不能完全反映服務(wù)的真實情況，可信度也不高，因此使用區(qū)間來估算Web服務(wù)的QoS值十分必要。本文提出的