基于功能和地域特征QoS感知的web服务推荐模型的研究与实现

发布时间：2021-10-08 19:27

　　互联网技术和服务的发展极大拓展了人们生产生活的广度和深度,用户在海量Web服务中很难找到适合自己的服务,使得Web服务的个性化推荐成为服务计算领域最重要的挑战之一。当前很多研究和技术基于客户端QoS产生推荐,但缺乏考虑在服务调用矩阵数据稀疏下服务端功能属性和用户地理位置对推荐结果的影响,针对此问题,本文做出如下工作:首先,构建基于文本信息挖掘的Web服务功能相似度计算模型,并基于该模型进行服务聚类。本文利用数据集中的URL获取服务的WSDL文档,并进行上下文特征提取,以获得其功能描述并进行归一化处理。再构建基于功能描述特征词文本的相似度计算模型,利用K-means++算法进行相似服务聚类。其次,本文基于分层的地理邻域和修正的余弦相似度计算模型进行用户聚类,以获得有相似服务偏好的用户集合。重点分析了地理位置对用户的Web服务偏好的影响,用户及其邻居的QoS偏好是具有正相关性的关系,这使得将地理邻居的因素考虑在推荐模型中是必要的。我们使用修正的余弦相似度计算公式作为计算用户之间差异程度的工具,并设计了一个分层地理邻域的用户聚类算法。通过实验处理数据集,获得相似用户集合。最后,提出一种基于相... 

【文章来源】：南京邮电大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

WSDL文件样例

相似度计算和聚类集合文将相似服务聚类成 K 个集合，由于服务聚类是无参考坐标的，采用的是算法 1 的地获得相似描述的服务集合。我们通过人工处理的数据集进行实验，得到一些分布服务聚类的具体效果，以及聚类个数 K 的影响。 3.2 是初始数据集，一个密度不均的数据团，聚类中心是其中的红星点，初始随机图 3.3 是 Web 服务经过特征词偏移映射后的服务分类效果图，是一个三位图像，每个子(3.6)中的三个属性。其中横轴是特征词中“portType”的偏移量，纵轴是特征词ice”的偏移量，竖轴是经过提取的功能描述特征词的偏移量。为了方便说明聚类效果布中的数据是经过人工处理的数据点集，其中密度较大的部分代表一个具有相似功类别。此时 K=5，每个类别如下图 3.6 中圈定的点集，红色星形点是每个类别的中心自动收敛确定，其基本分布在密度较高的点的中心，说明较好地达到了聚类效果。

相似功能描述的服务聚类结果

【参考文献】：
期刊论文
[1]QoS Evaluation for Web Service Recommendation[J]. MA You,XIN Xin,WANG Shangguang,LI Jinglin,SUN Qibo,YANG Fangchun.  中国通信. 2015(04)
[2]基于混合协同过滤的个性化Web服务推荐[J]. 张雪洁,王志坚,张伟建.  计算机科学与探索. 2015(05)
[3]基于用户-项目的混合协同过滤算法[J]. 陈彦萍,王赛.  计算机技术与发展. 2014(12)
[4]协同过滤推荐技术综述[J]. 冷亚军,陆青,梁昌勇.  模式识别与人工智能. 2014(08)
[5]Personalized Recommendation Algorithm Based on Preference Features[J]. Liang Hu,Guohang Song,Zhenzhen Xie,Kuo Zhao.  Tsinghua Science and Technology. 2014(03)
[6]Web服务个性化推荐研究综述[J]. 张秀伟,何克清,王健,刘建晓.  计算机工程与科学. 2013(09)
[7]基于KNN-SVM的混合协同过滤推荐算法[J]. 吕成戍,王维国,丁永健.  计算机应用研究. 2012(05)
[8]基于用户特征和项目属性的混合协同过滤推荐[J]. 廖新考.  福建电脑. 2010(07)
[9]基于SOAP的分布式构件集成研究[J]. 汪维华,葛君伟,解绍词,汪维清.  计算机工程与设计. 2006(01)
[10]基于项目评分预测的协同过滤推荐算法[J]. 邓爱林,朱扬勇,施伯乐.  软件学报. 2003(09)



本文编号：3424815