融合用戶興趣與服務(wù)質(zhì)量的Mashup服務(wù)推薦方法研究.pdf

1、Mashup服務(wù)是一種將來(lái)源不同的Web API數(shù)據(jù)內(nèi)容服務(wù)進(jìn)行集成開發(fā)而形成的Web應(yīng)用，是一種新型的Web服務(wù)。它從外界其他數(shù)據(jù)源得到數(shù)據(jù)內(nèi)容服務(wù)，并將這些數(shù)據(jù)源的內(nèi)容服務(wù)進(jìn)行整合開發(fā)，從而創(chuàng)造出更具有有價(jià)值、更能滿足用戶實(shí)際需求的Web服務(wù)。近年來(lái)，隨著 Mashup服務(wù)的不斷發(fā)展以及相關(guān)技術(shù)的日益成熟，其個(gè)數(shù)和種類都在高速增長(zhǎng)，Mashup服務(wù)使用者也越來(lái)越多。然而，對(duì)于Mashup的使用者而言，發(fā)布的Mashup服務(wù)越多，用戶

2、越是容易陷入與Web服務(wù)類似的信息過(guò)載的窘境，用戶常常需要浪費(fèi)大量精力和時(shí)間，才能找到滿足自己需求的Mashup服務(wù)。因此，如何根據(jù)用戶的個(gè)性化需求和特點(diǎn)，推薦滿足用戶需求的、用戶感興趣的并且綜合QoS高M(jìn)ashup服務(wù)，從而提高用戶的滿意度，并促進(jìn) Mashup服務(wù)市場(chǎng)的發(fā)展，這成為一個(gè)新興的、具有挑戰(zhàn)性的研究問(wèn)題。
　　目前，國(guó)內(nèi)外關(guān)于Mashup服務(wù)推薦研究主要有基于內(nèi)容的方法、基于協(xié)同過(guò)濾的方法、基于服務(wù)質(zhì)量的方法以及基于

3、復(fù)雜網(wǎng)絡(luò)與社會(huì)網(wǎng)絡(luò)的方法這幾類，其各有優(yōu)點(diǎn)和缺點(diǎn)。本文圍繞 Mashup服務(wù)推薦這一主題進(jìn)行了深入研究和探索，從組合推薦角度入手，融合用戶興趣與服務(wù)質(zhì)量（QoS：Quality of Service），以解決Mashup服務(wù)推薦中所遇到的問(wèn)題，研究成果和創(chuàng)新主要表現(xiàn)在以下兩個(gè)方面：
　　(1)為了克服單一推薦方法的缺點(diǎn)，本文采用組合推薦的方式，設(shè)計(jì)了一種基于用戶興趣與協(xié)同過(guò)濾的Mashup服務(wù)推薦方法。該方法，根據(jù)用戶調(diào)用Mash

4、up服務(wù)的使用記錄，通過(guò)構(gòu)建用戶興趣模型和QoS預(yù)測(cè)模型，來(lái)計(jì)算用戶興趣以及預(yù)測(cè)Mashup服務(wù)的QoS值，并結(jié)合Mashup服務(wù)的社會(huì)網(wǎng)絡(luò)關(guān)系，計(jì)算其社會(huì)關(guān)系相似度，最終產(chǎn)生 Mashup服務(wù)推薦列表，為用戶推薦 ToP-K個(gè)綜合QoS最好的、滿足用戶需求的Mashup服務(wù)；
　　(2)針對(duì)使用基于QoS的進(jìn)行Mashup服務(wù)推薦過(guò)程中所存在的問(wèn)題，本文提出一種基于信息熵多屬性決策的Mashup服務(wù)推薦方法。該方法，將綜合用戶興