融合用戶興趣與服務質(zhì)量的Mashup服務推薦方法研究.pdf

1、Mashup服務是一種將來源不同的Web API數(shù)據(jù)內(nèi)容服務進行集成開發(fā)而形成的Web應用，是一種新型的Web服務。它從外界其他數(shù)據(jù)源得到數(shù)據(jù)內(nèi)容服務，并將這些數(shù)據(jù)源的內(nèi)容服務進行整合開發(fā)，從而創(chuàng)造出更具有有價值、更能滿足用戶實際需求的Web服務。近年來，隨著 Mashup服務的不斷發(fā)展以及相關(guān)技術(shù)的日益成熟，其個數(shù)和種類都在高速增長，Mashup服務使用者也越來越多。然而，對于Mashup的使用者而言，發(fā)布的Mashup服務越多，用戶

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

3、復雜網(wǎng)絡與社會網(wǎng)絡的方法這幾類，其各有優(yōu)點和缺點。本文圍繞 Mashup服務推薦這一主題進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質(zhì)量（QoS：Quality of Service），以解決Mashup服務推薦中所遇到的問題，研究成果和創(chuàng)新主要表現(xiàn)在以下兩個方面：
　　(1)為了克服單一推薦方法的缺點，本文采用組合推薦的方式，設計了一種基于用戶興趣與協(xié)同過濾的Mashup服務推薦方法。該方法，根據(jù)用戶調(diào)用Mash

4、up服務的使用記錄，通過構(gòu)建用戶興趣模型和QoS預測模型，來計算用戶興趣以及預測Mashup服務的QoS值，并結(jié)合Mashup服務的社會網(wǎng)絡關(guān)系，計算其社會關(guān)系相似度，最終產(chǎn)生 Mashup服務推薦列表，為用戶推薦 ToP-K個綜合QoS最好的、滿足用戶需求的Mashup服務；
　　(2)針對使用基于QoS的進行Mashup服務推薦過程中所存在的問題，本文提出一種基于信息熵多屬性決策的Mashup服務推薦方法。該方法，將綜合用戶興