面向用户均衡需求的Web服务资源智能推荐方法

研究了满足用户在服务功能、服务属性和服务质量上的多层次均衡需求的Web服务资源智能推荐方法,解决了服务信息过载问题。现有服务推荐技术存在未考虑用户对服务多层次均衡需求的不足,结合Web服务资源的特点,综合考虑用户服务需求与候选服务群之间的多层次相似度,设计了综合Web服务资源的功能、属性和质量三个层次的适合度匹配算法,以及用户主观兴趣度匹配算法。通过这两个算法建立了面向用户均衡需求的个性化Web服务资源智能推荐方法,能将最大匹配度的Web服务资源推荐给目标用户。     

一种逐步的Web服务选择方法

随着Web服务的发展,如何从大量Web服务中选择出合适的服务已经成为一项挑战,传统的UDDI的服务发现机制已经不能满足用户的需求。本文关注于如何从一系列基本符合用户功能需求的服务中选择出用户最满意的服务。提出了一种逐步的Web服务选择算法,用户将Web服务非功能属性分类并给出目标达成度,通过计算Web服务属性与目标服务属性之间的欧氏距离对Web服务进行排序,算法允许用户动态调整属性分类和目标向量。文中给出了该算法的描述。     

基于用户的Web服务FRC评估选择模型

Web服务非功能属性评佑是服务选择的重要前提,而目前的服务评佑方法没有根据各非功能属性内在特征进行其属性值的评估,也没有考虑用户对多个属性的复杂需求,无法有效地选择出真正满足用户需求的最佳服务。因此从用户角度出发,提出了基于用户的Web服务FRC评佑选择模型,模型考虑了用户对各个属性的需求,并根据非功能属性隶属的不同数学性质,将隶属度的概念、模糊评判理论、概率统计方法和TOPSIS多属性决策法应用于模型,建立了模糊性子模型F和随机性子模型R,最终通过确定性子模型C综合评估来实现服务选择。仿真实验结果表明,该模型能较好地根据用户需求有效实现服务选择。     

一种动态混合QoS语义的Web服务个性化推荐模型

服务推荐是服务计算中的主要问题之一,当前大多针对功能属性进行推荐,而在Web服务的QoS属性方面考虑较少,并且不支持动态变化的QoS属性。基于动态混合QoS的语义Web服务个性化推荐模型,把语义Web技术引入Web服务中,在QoS监控器下,有效监测Web服务的QoS属性变化并动态更新Web服务的QoS属性。根据建立的用户兴趣模型,向用户推荐具有个性化的Web服务。此外,在个性化推荐系统中使用最广泛的协同过滤推荐技术基础上,对数据进行了一系列的预处理填充,而且充分考虑了不同时间的项目评分对推荐的影响。结合用户兴趣度和用户评分的相似性计算方法,并通过不同的权值来表示它们的重要程度,综合计算目标用户的最近邻居集合,最终对用户u产生推荐。该系统在一定程度上提高了服务推荐的效率和准确度并满足用户查询需求。     

基于综合模糊相似度的云制造需求—服务双向匹配

为解决云制造环境下的服务选择问题,提高服务和需求的匹配精度及供需双方的满意度,提出基于综合模糊相似度的云制造服务双向匹配模型。针对服务方和需求方各自的描述信息,结合功能和非功能要求,将供需双方的描述信息进行基于匹配机制的双向多属性匹配。考虑匹配的稳定性,综合运用模糊概念语义相似度算法、直觉模糊集算法及相合系数法分别进行多属性信息的相似度求解。再利用综合加权法进行综合模糊相似度计算,得到最佳匹配结果。实例分析和对比研究验证了该匹配模型可行有效,能准确地为用户选择双方都满意的服务。     

基于位置聚类和张量分解的Web服务推荐算法

基于服务质量（QoS）的Web服务推荐能在众多功能相似的Web服务中发现最能满足用户非功能需求的Web服务,但QoS属性值预测算法仍存在预测准确度不高和数据稀疏性的问题。针对以上问题,提出了一种基于位置聚类和分层张量分解的QoS预测算法ClustTD,该算法基于用户和服务的位置属性将用户和服务聚类成多个局部组,分别对局部组和全局的用户、服务和时间上下文进行张量建模和分解,将局部和全局张量分解的QoS预测值进行加权组合,同时考虑了局部和全局因素,获得最终QoS预测值。实验结果表明,该算法具有较高的QoS预测准确率和Web服务推荐质量,并能在一定程度上解决数据稀疏性问题。     

基于语义的QoS感知Web服务发现机制

随着提供相同功能的Web服务数量的日益增多,服务质量(Quality of Service,QoS)成为用户选择Web服务的重要考虑因素.目前,通过对服务QoS属性在语法层匹配来提供Web服务选取的机制不能很好地满足复杂QoS属性匹配的要求.研究了基于用户QoS需求偏好,将用户需求的QoS与候选服务的QoS进行语义比较,结合约束规划(Constraint Programming)方法,在语义层匹配Web服务的QoS属性,选取满足匹配要求的服务,最后对满足QoS属性值约束的候选服务进行优化选择处理,获取最终匹配的候选服务.     

基于用户策略的Web服务动态选择方法研究

目前的Web服务选择方法主要是服务关键词语义和属性匹配、运行性能最优评估,未能很好考虑用户对服务质量的个性化需求.对用户需求、服务质量进行模型描述,结合用户策略给出了一个服务评估和选择算法,该算法根据服务请求者的满意度对候选服务进行评估和选择.与已有的服务性能选择方法相比,该方法更能满足个性化需求.     

面向客户视角的Web服务组合优化与集成管理方法*

现有Web服务组合研究未考虑客户视角的服务质量感知和对功能与质量的均衡需求,无法优化配置网上丰富的Web服务资源并与网下服务资源协同。借鉴已有研究成果,研究基于客户视角的服务组合优化与集成管理问题：建立客户视角的Web服务模型、提出服务组合质量均衡推荐方法、建立服务功能和质量的网上网下集成管理模型。研究有助于提高现代Web服务管理服务水平。     

基于灰色关联分析的Web服务选择

为方便用户选择最优Web服务,利用灰色系统理论对Web服务质量QoS属性因子进行分析,提出了一种基于用户QoS偏好的Web服务灰色关联分析方法。考虑到Web服务QoS的不确定性,该方法使用区间对Web服务QoS值进行建模。为了确定候选服务的QoS与用户QoS需求的符合程度,先针对服务的每个QoS属性,计算其与用户QoS需求的灰色区间关联系数;然后结合各个QoS属性的关联系数计算候选服务的QoS与用户QoS需求的综合灰色区间关联度,关联度越大的服务越符合用户的要求;最后从满足用户功能需求的Web服务中选择灰色关联度最大的Web服务推荐给用户。与其它Web服务评价模型相比较,该模型更加符合Web服务QoS的实际情况,能够在服务QoS信息不充分、不确定的环境下,对QoS属性进行合乎实际的分析处理,从而得到更加合理有效的QoS评价。     

一种基于信任的Web服务发现方法

在面向服务的环境下,由于Web服务本身的动态性和网络环境的不确定性,致使用户很难获得可信的高质量服务。当前基于反馈信息的信任评估方法没有考虑恶意评估对服务可信程度的影响,本文通过加入客观评价对此进行了修正,并提出一种从服务的能力、稳定性和声誉三方面来建立的Web服务信任模型,提升了信任评估的准确度。在此基础上提出一种可信的Web服务发现框架,通过服务交易历史信息获取比较客观的信任属性,同时结合非功能属性进行服务的综合评估,利用熵值法来确定其中各非功能属性的权重,从而发现满足用户需求的可信服务。仿真结果表明,该方法是可行和有效的。     

基于粗糙集理论的语义Web服务匹配和发现

提出了基于粗糙集理论的语义Web服务匹配和发现机制。设计了基于粗糙集理论的语义Web服务匹配和发现算法（RSM）。有效的解决了服务匹配中不确定属性的问题。实验结果表明,采用RSM算法,能够实现用户需求和Web服务之间的准确匹配,从而克服了传统Web服务发现中查全率低、查准率差的缺点。     

基于语义的Web服务发现算法

传统的Web服务发现只是简单的基于关键字的语法匹配,查询得到的服务往往不是用户想要的.在基于接口的Web服务发现的基础上,改进了Web服务描述模型,增加了服务质量(QoS),提出了分步过滤匹配算法.先通过服务类别过滤器进行语义过滤筛选,去除不相关的Web服务,然后通过服务相似度度量候选服务和请求服务之间的相似程度.候选服务和请求服务之间的相似度是通过服务功能相似度和服务质量相似度两个方面进行综合评估的.最后,通过实验证明了该匹配算法的可行性和有效性.     

QoS本体驱动的Web服务发现

当前Web服务发现过程中,为满足不同用户的个性化选择需求,一种具有可靠服务质量保证的Web服务匹配方法是迫切需要的.基于WordNet本体,文中提出一种考虑QoS语义和数值综合匹配的QoS匹配模型.该匹配模型包含了语义匹配、数值匹配、多属性决策矩阵、领域专家意见、以及获得Top-k候选服务等过程,文中讨论了这些匹配过程,并进行了仿真实验.结果表明,与传统方法相比,采用文中提出的QoS匹配模型在一定程度上提高了Web服务发现的查准率.     

基于本体概念集合相似度的语义 Web 服务匹配

面向应用领域的 Web 服务发现技术的目标是帮助用户找到能够为其构建应用系统提供功能支持的 Web 服务,从而来降低应用系统的开发成本和提高开发效率,而在服务发现技术中服务匹配程度的高低是一个关键.为了更有效准确地获得服务之间的匹配程度,文章从 Web 服务的输入与输出参数的语义描述出发,把语义 Web 服务的匹配问题转化成本体库中概念向量的相似度计算问题,通过在考虑概念结构上的路径长度、深度和密度影响因素上计算两个概念的相似度的基础上,构建了概念集合的相似度算法.实验表明该算法较别的匹配方法在查全率、特别是查准率上得到了提高     

基于Hadoop的Web服务语义可信QoS发现模型

随着Web服务应用的快速增长,用户如何在众多功能相似的Web服务中更加准确地选择出满足自己QoS需求的Web服务是一个亟需解决的问题。目前已有的研究工作存在两个问题,其一是对QoS的量化存在客观性和准确性问题,其二是对服务质量缺乏语义描述,QoS匹配时也仅限于数值上的匹配。针对这两个问题,利用Hadoop的分布式注册、查找服务模式,提出了基于Hadoop的Web服务语义可信QoS发现模型。本模型从数值匹配和QoS语义匹配两方面考虑,首先,用主客观赋权模式为多维QoS属性赋权值,提高QoS属性的客观性和准确性,并加入信誉度参数来提高Web服务QoS属性的可信性;其次,对OWL-S进行了QoS本体扩展,以满足客户对服务质量的语义匹配需求。通过验证表明,本模型能有效解决查询瓶颈和单点失效问题,且能根据用户QoS需求偏好更加准确地找到满足用户需要的Web服务。     

一种基于个性化需求的智能配镜算法研究

为实现基于用户个性化需求信息的智能配镜功能,构建用户个性化需求信息数据模型。搭建智能配镜眼镜模型库,建立用户个性化需求信息与眼镜模型库之间的智能匹配模型。将智能匹配流程划分为基于DFS的眼镜模型库检索、基于语义相似度的眼镜框型匹配、面部参数匹配、优化调整四个阶段。设计实现了用户个性化需求信息与眼镜模型库之间的智能匹配算法。应用该智能匹配算法开发智能配镜系统,并与关键词匹配算法进行对比,验证了该智能匹配算法的合理性及有效性。     

基于位置簇的移动生活服务个性化推荐技术

当前的移动推荐系统只将位置信息作为推荐属性处理,弱化了其在推荐中所起的作用,更重要的是忽略了移动生活服务位置相关性和用户空间运动有界性特征。针对该问题,设计了基于位置簇的用户偏好表示模型和移动生活服务个性化推荐算法。该算法通过模糊聚类得到位置簇,使用遗忘因子调节用户在该位置簇对服务资源属性值的偏好,并且采用概率分布和信息熵理论计算属性权重,按位置簇对用户偏好和服务资源进行匹配得到top-N推荐集。由于位置簇的定义,使得算法给出与用户偏好相似度较高的服务资源。案例分析结果符合这一结论,从而验证了算法的有效性和精确性。     

基于Web挖掘的个性化算法及其在网络教学平台的应用

在Web挖掘的基础上设计针对Web服务的Web访问事务模型WTM和个性化推荐算法。算法以WTM为基础,旨在根据用户的访问模式向用户推荐个性化的Web资源。其利用关联规则得到的频繁项集实时地匹配用户的当前访问序列,对不同的用户提供不同的推荐资源。在此过程中不需产生所有的关联规则,提高了推荐的效率。最后,将该模型和算法应用于网络教学实践得出了个性化的网络教学环境。     

基于本体概念集合相似度的语义Web服务匹配

面向应用领域的Web服务发现技术的目标是帮助用户找到能够为其构建应用系统提供功能支持的Web服务,从而来降低应用系统的开发成本和提高开发效率,而在服务发现技术中服务匹配程度的高低是一个关键。为了更有效准确地获得服务之间的匹配程度,文章从web服务的输入与输出参数的语义描述出发,把语义Web服务的匹配问题转化成本体库中概念向量的相似度计算问题,通过在考虑概念结构上的路径长度、深度和密度影响因素上计算两个概念的相似度的基础上,构建了概念集合的相似度算法。实验表明该算法较别的匹配方法在查全率、特别是查准率上得到了提高。