基于社交网络的Web服务推荐算法研究
发布时间：2021-08-06 19:59
作为一种崭新的分布式计算模型,Web服务已经在电子商务、企业应用集成等领域扮演着越来越重要的角色。随着Web服务数目的增长,如何挖掘用户的兴趣并帮助用户准确地找到其感兴趣的服务,已经成为服务计算领域的研究热点。传统的服务推荐算法主要有两种,一种是基于内容的推荐,一种是基于协同过滤的推荐。基于内容的推荐受到信息内容分析技术的约束,基于协同过滤的推荐受到数据稀疏性和冷启动问题的影响。针对传统推荐算法的缺点和不足,本文提出了基于用户社交网络的Web服务推荐算法。本文通过建立用户的相似网络和信任网络,利用这两个网络进行服务推荐。首先,本文针对皮尔逊相关系数的缺点和不足提出了三种用户相似性算法。为了解决由于数据的稀疏性而无法计算用户相似性的问题,本文同时提出了相似性传递算法,通过相似性的传递来更新和填充用户的相似性。实验结果显示,三种相似性算法与皮尔逊相关系数具有相似的标准平均误差,同时相似性传递算法也有效地降低了预测结果的标准平均误差。在计算用户相似性的基础上,本文建立了用户的相似网络,并提出用户相似网络的分团算法,将具有相似兴趣的用户划分到同一个团体中,基于用户相似网络的推荐算法就是利用目标...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 基本概念
1.2.1 Web服务
1.2.2 服务质量QoS
1.2.3 推荐系统
1.2.4 社交网络
1.3 研究内容及创新点
1.4 本文组织结构
第2章 Web服务推荐算法研究现状
2.1 基于QoS的Web服务推荐算法框架
2.2 常用Web服务推荐算法分析
2.2.1 基于内容的推荐
2.2.2 基于协同过滤的推荐
2.2.3 基于网络图结构的推荐
2.2.4 混合推荐
2.3 推荐算法的问题和不足
2.3.1 数据稀疏性问题
2.3.2 冷启动问题
2.3.3 算法扩展性问题
2.4 本章小结
第3章 用户相似性算法
3.1 常用的用户相似性算法
3.1.1 余弦夹角相似性
3.1.2 修正余弦夹角相似性
3.1.3 皮尔逊相关系数
3.2 三种用户相似性算法
3.2.1 基于QoS的用户相似性算法
3.2.2 等级相关相似性算法
3.2.3 共同访问相似性算法
3.3 用户相似性传递算法
3.4 本章小结
第4章 基于用户社交网络的Web服务推荐
4.1 方法概述
4.2 用户网络模型定义
4.3 用户相似网络分团
4.3.1 基本思想
4.3.2 基本定义
4.3.3 网络分团
4.4 用户信任网络计算
4.4.1 信任传播
4.4.2 信任聚合
4.5 基于用户社交网络的服务推荐
4.5.1 基于用户相似网络的推荐
4.5.2 基于信任网络的推荐
4.5.3 基于用户相似网络和信任网络的推荐
4.6 本章小结
第5章 实验结果和分析
5.1 评价参数
5.1.1 平均绝对误差
5.1.2 标准平均绝对误差
5.1.3 覆盖率
5.1.4 精确度和召回率
5.2 实验数据和环境
5.2.1 实验数据
5.2.2 实验环境
5.3 实验结果分析
5.3.1 三种相似性算法和相似性传递算法
5.3.2 基于用户社交网络的服务推荐
5.3.3 各参数对预测误差的影响
5.4 本章小结
第6章 总结和展望
6.1 本文总结
6.2 未来工作展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
【参考文献】：
期刊论文
[1]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏. 自然科学进展. 2009(01)
博士论文
[1]推荐系统中协同过滤算法若干问题的研究[D]. 张亮.北京邮电大学 2009
[2]在线社会网络信任计算与挖掘分析中若干模型与算法研究[D]. 张宇.浙江大学 2009
硕士论文
[1]基于评分预测和概率融合的协同过滤研究[D]. 赵伟.河南大学 2007
本文编号：3326395
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 基本概念
1.2.1 Web服务
1.2.2 服务质量QoS
1.2.3 推荐系统
1.2.4 社交网络
1.3 研究内容及创新点
1.4 本文组织结构
第2章 Web服务推荐算法研究现状
2.1 基于QoS的Web服务推荐算法框架
2.2 常用Web服务推荐算法分析
2.2.1 基于内容的推荐
2.2.2 基于协同过滤的推荐
2.2.3 基于网络图结构的推荐
2.2.4 混合推荐
2.3 推荐算法的问题和不足
2.3.1 数据稀疏性问题
2.3.2 冷启动问题
2.3.3 算法扩展性问题
2.4 本章小结
第3章 用户相似性算法
3.1 常用的用户相似性算法
3.1.1 余弦夹角相似性
3.1.2 修正余弦夹角相似性
3.1.3 皮尔逊相关系数
3.2 三种用户相似性算法
3.2.1 基于QoS的用户相似性算法
3.2.2 等级相关相似性算法
3.2.3 共同访问相似性算法
3.3 用户相似性传递算法
3.4 本章小结
第4章 基于用户社交网络的Web服务推荐
4.1 方法概述
4.2 用户网络模型定义
4.3 用户相似网络分团
4.3.1 基本思想
4.3.2 基本定义
4.3.3 网络分团
4.4 用户信任网络计算
4.4.1 信任传播
4.4.2 信任聚合
4.5 基于用户社交网络的服务推荐
4.5.1 基于用户相似网络的推荐
4.5.2 基于信任网络的推荐
4.5.3 基于用户相似网络和信任网络的推荐
4.6 本章小结
第5章 实验结果和分析
5.1 评价参数
5.1.1 平均绝对误差
5.1.2 标准平均绝对误差
5.1.3 覆盖率
5.1.4 精确度和召回率
5.2 实验数据和环境
5.2.1 实验数据
5.2.2 实验环境
5.3 实验结果分析
5.3.1 三种相似性算法和相似性传递算法
5.3.2 基于用户社交网络的服务推荐
5.3.3 各参数对预测误差的影响
5.4 本章小结
第6章 总结和展望
6.1 本文总结
6.2 未来工作展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
【参考文献】：
期刊论文
[1]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏. 自然科学进展. 2009(01)
博士论文
[1]推荐系统中协同过滤算法若干问题的研究[D]. 张亮.北京邮电大学 2009
[2]在线社会网络信任计算与挖掘分析中若干模型与算法研究[D]. 张宇.浙江大学 2009
硕士论文
[1]基于评分预测和概率融合的协同过滤研究[D]. 赵伟.河南大学 2007
本文编号：3326395
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3326395.html
