基于協(xié)同過濾與QoS的個(gè)性化Web服務(wù)推薦研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，Web服務(wù)推薦與選擇已經(jīng)逐漸成為學(xué)術(shù)界和工業(yè)界共同關(guān)注的重要研究?jī)?nèi)容。隨著Web服務(wù)數(shù)量的不斷增加，為用戶推薦和選擇最優(yōu)的Web服務(wù)已經(jīng)成為服務(wù)計(jì)算領(lǐng)域內(nèi)最重要的挑戰(zhàn)之一。在一組具有多個(gè)相同或者相似功能性屬性的Web候選服務(wù)中，為了幫助用戶選擇滿足他們需求的最優(yōu)的Web服務(wù)需要同時(shí)考慮服務(wù)質(zhì)量的功能性和非功能性屬性。此外，Web服務(wù)的QoS值在運(yùn)行時(shí)刻可能會(huì)因?yàn)榉?wù)器超載，網(wǎng)絡(luò)條件等多種因素的影響而發(fā)生變化。因

2、此以往使用靜態(tài)的QoS評(píng)估方法已不再適用于Web服務(wù)的動(dòng)態(tài)環(huán)境，這需要一種機(jī)制能夠感知?jiǎng)討B(tài)環(huán)境下Web服務(wù)質(zhì)量的變化情況。本論文使用基于協(xié)同過濾與QoS的個(gè)性化Web服務(wù)推薦算法以解決上述問題。針對(duì)當(dāng)前Web服務(wù)推薦算法不足的現(xiàn)狀，提出將服務(wù)相異性和情境因素引入到Web服務(wù)推薦領(lǐng)域之中以提高推薦的性能；此外還提出了兩種新的混合Web服務(wù)推薦算法以解決目前不同推薦算法之間的權(quán)重確定問題?，F(xiàn)將論文的主要研究?jī)?nèi)容和成果概括如下：
　　

3、 ①對(duì)Web服務(wù)的發(fā)展進(jìn)行綜述，分析了Web服務(wù)目前所面臨的一些問題。總結(jié)歸納了現(xiàn)有Web服務(wù)技術(shù)的主要研究方向，及其各自的特點(diǎn)和所面臨的挑戰(zhàn)。并對(duì)Web服務(wù)的研究進(jìn)展進(jìn)行總結(jié)與歸納，引出本文研究?jī)?nèi)容的意義所在，為后續(xù)的研究提供相應(yīng)的理論基礎(chǔ)。
　　 ②對(duì)協(xié)同過濾技術(shù)進(jìn)行簡(jiǎn)要介紹，簡(jiǎn)述了協(xié)同過濾技術(shù)的發(fā)展歷史，及其重要的學(xué)術(shù)與商業(yè)意義。對(duì)現(xiàn)有主流的協(xié)同過濾技術(shù)進(jìn)行分類，分析其特點(diǎn)和各自適用范圍。為基于協(xié)同過濾與QoS的個(gè)性化We

4、b服務(wù)推薦研究奠定理論基礎(chǔ)。
　　 ③把協(xié)同過濾技術(shù)引入到Web服務(wù)推薦之中，構(gòu)建基于QoS的個(gè)性化Web服務(wù)推薦以解決服務(wù)領(lǐng)域中的動(dòng)態(tài)性、個(gè)性化和情境缺失問題。其基本思想是通過對(duì)用戶-服務(wù)QoS屬性值矩陣進(jìn)行個(gè)性化分析，使用協(xié)同過濾技術(shù)預(yù)測(cè)缺省QoS值的Web服務(wù)質(zhì)量，將獲得的預(yù)測(cè)QoS值以一定的規(guī)則進(jìn)行排序，從而把具有最優(yōu)預(yù)測(cè)QoS值的Web服務(wù)推薦給用戶。首先提出面向服務(wù)相異性的單一協(xié)同過濾技術(shù)的Web服務(wù)推薦算法，在使用

5、真實(shí)QoS數(shù)據(jù)集Web服務(wù)推薦領(lǐng)域中首次引入Web服務(wù)的相異性特征，實(shí)驗(yàn)結(jié)果表明Web服務(wù)之間的相異性比相似性更能反映Web服務(wù)之間的關(guān)系，基于相異性的預(yù)測(cè)方法與傳統(tǒng)的基于相似性的預(yù)測(cè)方法相比具有更高的預(yù)測(cè)準(zhǔn)確性。其次，針對(duì)目前混合型Web服務(wù)推薦算法中各推薦算法權(quán)重難以確定的難題，首次提出基于神經(jīng)網(wǎng)絡(luò)的兩種新的混合型Web服務(wù)推薦算法，它們分別采用BP和RBF神經(jīng)網(wǎng)絡(luò)對(duì)不同的協(xié)同過濾算法進(jìn)行權(quán)重訓(xùn)練。該混合型算法結(jié)合了不同算法的優(yōu)勢(shì)，

6、實(shí)驗(yàn)結(jié)果表明這兩種混合型算法與目前最新水平的著名WSRec算法相比具有更優(yōu)的預(yù)測(cè)準(zhǔn)確性和時(shí)間效率。最后，提出了面向個(gè)性化情境的Web服務(wù)推薦算法，為解決情境缺失問題提供了一種新的解決方案。實(shí)驗(yàn)結(jié)果表明，用戶和Web服務(wù)的情境因素對(duì)Web服務(wù)推薦的性能具有重要的影響，在推薦的過程中考慮情境因素不僅能保持推薦的準(zhǔn)確性而且能顯著提高推薦的時(shí)間性能。
　　 ④使用真實(shí)環(huán)境下大規(guī)模的QoS數(shù)據(jù)集實(shí)施大量的實(shí)驗(yàn)以驗(yàn)證推薦方法的性能。該數(shù)據(jù)集

7、包含150萬條Web服務(wù)調(diào)用記錄，這些服務(wù)是從網(wǎng)絡(luò)上獲得的21，197個(gè)開放Web服務(wù)中任意地選出100 Web服務(wù)提供給來自20多個(gè)國(guó)家的Web服務(wù)用戶調(diào)用。該數(shù)據(jù)集是目前已公布的真實(shí)環(huán)境下Web服務(wù)數(shù)據(jù)集中規(guī)模最大的數(shù)據(jù)集，
　　 ⑤本文以國(guó)家自然科學(xué)基金“大型分布式軟件系統(tǒng)的行為監(jiān)控與可信演化”為背景。從基于協(xié)同過濾與QoS的個(gè)性化Web服務(wù)推薦方法出發(fā)，通過對(duì)Web服務(wù)的QoS值進(jìn)行預(yù)測(cè)評(píng)估，研究分布式系統(tǒng)下Web服務(wù)質(zhì)