基于混合协同过滤的个性化Web服务推荐

随着网络上Web服务的不断增加,Web服务的个性化选择和推荐成为服务计算领域最重要的挑战之一。对个性化Web服务推荐方法进行了研究,提出了基于模型和基于内存混合的Web服务推荐方法。该方法基于客观连续的服务质量（quality of service,QoS）数据和主观离散的评价数据,采用聚类、映射、聚合等算法预测服务的质量,并对用户的期望、评分和服务的QoS信息进行了量化描述。此外,设计了Web服务推荐框架,实现了信息的采集与处理、Web服务的个性化推荐。实验结果表明,与主流的推荐算法相比,所提方法在多种评分误差的评价指标上都取得了更好的结果。     

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。     

基于模糊描述逻辑的个性化推荐系统建模*

为了解决现有个性化推荐系统中缺乏对模糊语义信息处理的能力,本文建立模糊语义推荐系统模型,使用模糊描述逻辑实现了该模型,并给出了推荐算法。在实现模型的过程中引入了两条规则实现了概念层次关系在的兴趣程度和关联程度上的传递。最后通过实例证明,通过将用户的兴趣和待选资源的相关概念在语义层面进行适当的扩展,模糊语义推荐系统模型能更准确描述用户的兴趣并产生更多符合用户兴趣的推荐项目。     

基于动态QoS的Web服务选取方法

针对动态环境中Web服务QoS属性值波动的问题,提出一种基于动态QoS的服务选取方法。该方法首先建立区间QoS模型来表示QoS属性值的动态变化,然后用区间相似度衡量候选服务提供的QoS属性与用户需求值的接近程度。基于相似度的概念,采用逼近理想点的多属性决策方法计算出每个基本服务的QoS指标客观权重,并结合用户主观偏好得出QoS指标综合权重,最终基于推荐度对候选服务进行排序。仿真实验表明,此服务选取方法既充分考虑了用户的主观偏好,又克服了Web服务QoS属性值的波动影响,提高了服务选取的准确性。     

多属性协同过滤推荐在物流配送服务平台的应用

为了帮助用户选择尽可能满足其个性化偏好的物流配送服务,结合配送服务的多属性评分特点,本文构建了基于多属性协同过滤的推荐算法,对传统协同过滤算法进行了延伸与改进,首先预测目标用户对候选服务各属性的评分值,通过引入服务的个性化特征因子减小热门服务对用户相似度计算的误差,考虑到用户的服务属性评分存在波动性,使用信息熵将用户历史评分均值与协同过滤得到的预测值相结合进行修正,然后基于同一用户对不同属性评分波动性的差异,计算得到用户对服务所有属性的评分预测权重,将各属性的评分预测值与对应权重加权求和进行服务推荐.对配送服务交易的评分数据样本进行实验验证,在准确率和平均绝对误差指标上有较好的表现,将算法应用于物流配送服务平台,构建推荐系统,能够提高平台个性化服务能力.     

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.     

基于信息熵多属性决策的Mashup服务推荐方法

随着Mashup服务的快速发展,如何在海量的服务集合中找到用户感兴趣的、服务质量高的Mashup服务,成为一个难题。针对该问题,提出一种基于信息熵多属性决策的Mashup服务推荐方法。首先建立用户兴趣模型和Mashup服务的质量(Quality of Service,QoS)模型;其次,利用信息熵多属性决策方法,预测用户对候选Mashup服务的综合评分,并将综合评分最高的Top-K Mashup服务推荐给用户;最后,在不同数据集上进行实验比较与分析,结果表明:基于信息熵多属性决策的Mashup服务推荐方法能够有效地为用户推荐其感兴趣的、高质量的Mashup服务。     

协同过滤中基于用户兴趣度的相似性度量方法

在个性化推荐算法中,相似性计算方法是决定算法推荐效率的关键。通过分析传统的相似性度量方法在推荐系统中存在的不足,提出了一种基于用户兴趣度的相似性计算方法。该方法利用用户对不同项目类别的兴趣程度与用户评分相结合进行用户之间的相似性计算,克服了传统相似性计算方法仅仅依据用户评分进行相似性计算的不足,并在一定程度上减少了评价数据稀疏的负面影响。实验结果表明,该方法可以有效地克服传统相似性方法中存在的不足,使推荐系统的推荐质量有明显提高。     

一种自适应用户兴趣的推荐算法研究

为更好地满足了推荐系统中用户个性化推荐的需求,提高推荐系统的性能。研究了用户兴趣模型,提出了一种用户兴趣模型自动更新的方法,在数据采集过程中,通过对隐性数据的采集,动态地更新用户模型;模型使用向量空间模型的表示方法。实验结果表明,新的模型提高了计算用户最近邻居的准确性,算法在不同推荐范围都用良好的表现,并具有很好的耐久性。     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等，通过这些信息，系统可以发现和预测用户的信息需求，从而对用户进行个性化的信息推荐服务。用户兴趣模型是影响推荐系统服务效率的重要因素，因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一。本文从教育网站用户对象特点出发，提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型：     

物联网环境下基于情境的语义Web服务选择

当前Web服务海量增加，物联网应用技术快速发展、不断普及，而现有的Web服务选择算法低效、用户匹配度低。针对该问题提出一种物联网环境下基于情境的语义Web服务选择方法。该方法应用QoS参数的无量纲化与语义Web服务动态选择方式，将物联网环境下服务与语义Web服务相结合，并根据用户需求针对QoS选择最优的服务集。实验表明，该方法能有效地提高用户服务动态选择的成功率。     

From similarity perspective: a robust collaborative filtering approach for service recommendations

Collaborative filtering (CF) is a technique commonly used for personalized recommendation and Web service quality-of-service (QoS) prediction. However, CF is vulnerable to shilling attackers who inject fake user profiles into the system. In this paper, we first present the shilling attack problem on CF-based QoS recommender systems for Web services. Then, a robust CF recommendation approach is proposed from a user similarity perspective to enhance the resistance of the recommender systems to the shilling attack. In the approach, the generally used similarity measures are analyzed, and the DegSim (the degree of similarities with top k neighbors) with those measures is selected for grouping and weighting the users. Then, the weights are used to calculate the service similarities/differences and predictions.We analyzed and evaluated our algorithms using WS-DREAM and Movielens datasets. The experimental results demonstrate that shilling attacks influence the prediction of QoS values, and our proposed features and algorithms achieve a higher degree of robustness against shilling attacks than the typical CF algorithms.     

基于QoS和用户偏好的Web服务发现模型

快速而准确地发现和选择满足用户需求的Web服务是目前研究的热点.提出一种基于QoS和用户偏好的Web服务发现和选择模型,该模型通过附加数据库来扩展UDDI以实现QoS属性的描述,引入QoS属性排序和权重实现用户的个性化选择,提高服务的查准率.     

面向用户群体的Web服务推荐

针对Web服务推荐中服务用户调用Web服务的服务质量数据稀疏性导致的低推荐质量问题,提出了一种面向用户群体并基于协同过滤的Web服务推荐算法(WRUG)。首先,为每个服务用户根据用户相似性矩阵构建其个性化的相似用户群体;其次,以相似用户群体中心点代替群体从而计算用户群体相似性矩阵;最后,构造面向群体的Web服务推荐公式并为目标用户预测缺失的Web服务质量。通过对197万条真实Web服务质量调用记录的数据集进行对比实验,与传统基于协同过滤的推荐算法(TCF)和基于用户群体影响的协同过滤推荐算法(CFBUGI)相比,WRUG的平均绝对误差下降幅度分别为28.9%和4.57%;并且WRUG的覆盖率上升幅度分别为110%和22.5%。实验结果表明,在相同实验条件下WRUG不仅能提高Web服务推荐系统的预测准确性,而且能显著地提高其有效预测服务质量的百分比。     

教育网站个性化推荐系统中的一种用户兴趣模型的建立

用户兴趣模型用于描述用户的个人信息、专业背景、偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的信息需求,从而对用户进行个性化的信息推荐服务.用户兴趣模型是影响推荐系统服务效率的重要因素,因此针对用户兴趣进行建模是个性化推荐系统实现中要重点考虑的问题之一.本文从教育网站用户对象特点出发,提出了将用户兴趣分为固定兴趣与临时兴趣相结合的动态模型.     

基于多变量Probit回归的用户兴趣挖掘方法

用户兴趣挖掘一直是很多领域的基础问题,例如推荐系统、个性化检索和在线广告。一个用户在Internet或现实生活中的历史行为虽然能反映用户的兴趣,但是如果用户第一次使用网络,因为缺少历史行为信息,系统很难获得用户的兴趣。为解决无法获取新用户兴趣的问题,本文提出一种基于多变量Probit回归的用户兴趣挖掘方法。采用马尔科夫链蒙特卡洛(MCMC)方法估计模型的后验分布。通过合成数据与豆瓣明星对电影的兴趣验证模型的性能,结果表明所提出的方法能够有效地预测冷启动用户的兴趣。     

自动化服务推荐模型的研究及实现

在建立以Web Services技术为基础的大型平台时，服务的发现与集成是人们所面临的关键问题。在探索现有的服务发现机制的基础上，引入了智能化与QoS思想，对服务的发现进行研究与扩展，提出了一种自动化的服务推荐模型。它利用语义Web和Agent相结合的技术，在UDDI的基础上，自动搜索并执行与用户需求相匹配的服务或服务流程，并将执行的结果反馈给用户，供其作出选择。同时为了提高结果的可靠性，该模型将根据QoS需求，对执行中的服务或服务流进行筛选，并对执行后的结果进行排序，以提高服务推荐的质量。     

基于QoS约束的语义Web服务匹配机制研究

在语义Web服务中,OWL-S虽然包括一些如质量保证等的有关服务质量参数的描述,但仍缺少一个较为完善的Web服务QoS模型描述,此外,语义Web服务质量的研究主要考虑服务质量的静态因素,而服务的QoS信息动态变化的情况较多,本文实现了对服务质量QoS的语义描述扩展,并在对语义Web服务QoS描述模型研究的基础上,充分考虑服务的QoS信息,提出了基于QoS约束的语义Web服务匹配算法。     

面向移动应用的探索式个性化服务推荐方法

个性化推荐系统是应用系统中广泛应用的技术之一,用户兴趣偏好模型的建立与更新是个性化推荐系统的关键环节,针对移动设备位置随时变化的特点,以移动端的应用系统为研究对象,提出了一种随用户位置变化而动态更新的用户兴趣偏好模型,并对实现过程中的几个关键问题,包括用户兴趣偏好模型表示方法、用户兴趣关键字提取、用户兴趣偏好模型的建立与更新算法进行了详细描述,最后利用用户兴趣偏好模型根据协同过滤算法进行个性化推荐,并根据用户对推荐结果的评价进一步修正用户兴趣偏好模型.用户兴趣偏好模型采用基于兴趣关键字的向量空间模型表示,用户兴趣关键字由根据TF-IDF算法获得的用户隐式兴趣和用户参与的显式兴趣相结合获得,用户位置信息变化时,系统获取当前位置附近的服务,对已存在于用户兴趣关键树中的服务权值进行增强,而对不存在其中的进行遗忘以调整用户兴趣树从而更新用户兴趣偏好模型.验证表明,该方法推荐的服务更符合用户所处的位置上下文环境,并且具有高度的可达性.     

Research on dynamic business composition based on web service proxies

Web services-based business composition brings a number of advantages to the enterprise application development. How to select and compose the web services based on their functionality and QoS (Quality of Service) dynamically prove to be more and more important. In this paper we develop a proxy-based framework to compose Web services dynamically. The framework is featured with a QoS model, an effective service discovery and selection algorithms to facilitate the dynamic integration of Web services and management of abnormalities. Furthermore, a business process constructing method based on service slice is put forward to satisfy the users’ personalized requirements more effectively and flexibly. Our study concerns both functionality and QoS characteristics of Web services to identify the optimal business process solutions. A Complete case study is also included in this paper and the performance demonstrated that the framework and algorithms can provide a tangible and reliable solution to dynamic Web service composition and adaptation.