基于多層次關系的服務推薦研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)、云計算等技術(shù)的迅速發(fā)展，越來越多的服務被部署到互聯(lián)網(wǎng)上，服務計算領域隨之飛速發(fā)展。其中，服務組合是對現(xiàn)有Web服務進行組合復用以創(chuàng)造新服務的技術(shù)，mashup為其實現(xiàn)形式之一。該技術(shù)能更加方便快捷地實現(xiàn)對現(xiàn)有服務的重用，從而應對用戶的個性化需求。隨著互聯(lián)網(wǎng)上服務數(shù)量的快速增長，如何推薦合適的服務用來組合越來越成為一個迫切需要研究的問題。
　　由于服務組合往往遵循特定模式，因而可以從已有服務組合挖掘多層次的信息，

2、以對新的服務組合創(chuàng)建過程進行推薦。目前服務計算領域已經(jīng)存在一些面向服務組合創(chuàng)建過程的推薦技術(shù)，但仍存在一些問題。這些問題主要表現(xiàn)在以下幾個方面：（1）冷啟動問題，無法推薦新服務或新的服務組合。（2）推薦來源于單一的信息，豐富度不足。（3）推薦中沒有考慮服務的相互協(xié)作，缺乏整體性。
　　針對以上傳統(tǒng)的服務組合推薦中存在的不足，本文通過采集和挖掘服務組合的歷史數(shù)據(jù)，提出基于這些數(shù)據(jù)對服務模型進行多層次學習的方法，以設計出能有效利用多源

3、信息的服務推薦算法，從而為創(chuàng)建中的服務組合給出更加準確、全面的服務推薦方案。
　　本文的主要研究工作體現(xiàn)在以下幾個方面：
　　1.提出了一個結(jié)合頻繁項和主題模型的多層次推薦方法，為 mashup創(chuàng)建中的單步推薦問題提供解決方案，解決無法推薦新服務的問題。
　　2.提出了一個挖掘知識庫中的多源關系的方法，并將多層次關系建立統(tǒng)一建模，為mashup創(chuàng)建中的完整推薦問題提供解決方案。在此研究中，進一步應用了包推薦的思想，將推