基于组合模式挖掘的Web服务推荐研究
发布时间：2022-07-19 13:48
近年来,随着软件即服务理念的流行和Web服务技术的发展,越来越多的企业和组织将自己的数据和业务以Web服务的形式发布在互联网上,通过向客户和第三方开发人员开放Web服务以增加商业价值。随着Web服务数量的增长和功能的日益丰富,通过有效地组合不同功能的Web服务,可以帮助用户开发功能更加强大的应用或增值服务（例如Mashup）。服务组合已成为一种非常流行的软件开发方式,然而,现实中通过组合Web服务开发软件仍然是具有挑战的任务。一方面,用户对Web服务生态系统中的组合模式缺乏了解,可能无法提出有意义的Web服务组合需求。另一方面,对于互联网平台上的数量庞大的Web服务资源,用户很难快速发现满足自己需求的Web服务。为了解决上述问题,本论文研究Web服务的组合模式挖掘及组合模式感知的服务推荐方法。首先,考虑到Web服务的标签体现了对标注资源的功能概括和描述,通过挖掘服务组合中的标签共现关系来发现服务之间的组合模式,这些组合模式反映了哪些服务功能的组合是比较有意义或有价值的。然后,将组合模式和最新的推荐技术相结合为Mashup用户自动推荐合适的Web服务。本文的主要贡献如下:（1）提出了一种...
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景
1.2 国内外研究现状
1.2.1 Web服务推荐
1.2.2 Web服务组合模式
1.3 论文的主要贡献
1.4 论文的组织结构
第2章 理论基础与相关技术
2.1 Web服务及相关知识
2.1.1 Web服务的概念
2.1.2 Web服务标准及协议
2.1.3 Web服务体系结构
2.1.4 Mashup
2.2 关联规则挖掘技术
2.2.1 关联规则的定义
2.2.2 Apriori算法
2.2.3 FP-growth算法
2.3 常见的推荐技术
2.3.1 基于记忆的推荐技术
2.3.2 基于模型的推荐技术
2.4 本章小结
第3章 基于关联规则挖掘的Web服务组合模式发现
3.1 研究背景与动机
3.2 技术框架
3.3 Web服务组合模式挖掘
3.3.1 基于TF-IDF的 Web服务标签扩展
3.3.2 Web服务标签处理
3.3.3 基于FP-growth的 Web服务标签关联规则挖掘
3.3.4 获取Web服务组合模式
3.4 实验结果及分析
3.4.1 实验数据集
3.4.2 实验结果
3.4.3 方法比较
3.4.4 评价指标
3.4.5 评价结果
3.5 本章小结
第4章 组合模式感知的Web服务推荐
4.1 研究背景与动机
4.2 技术框架
4.3 组合模式感知的Web服务推荐方法
4.3.1 组合模式挖掘
4.3.2 共现性和流行度
4.3.3 深度因子分解机模型
4.3.4 基于组合模式和DeepFM的 Web服务推荐方法
4.4 实验与评估
4.4.1 数据集选取与实验设置
4.4.2 评价指标
4.4.3 方法比较
4.4.4 评价结果
4.4.5 实例分析
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
附录A 攻读学位期间发表的论文与科研成果清单
附录B 攻读学位期间所获的奖项
致谢
【参考文献】：
期刊论文
[1]基于主题模型的Mashup标签推荐方法[J]. 刘建勋,石敏,周栋,唐明董,张婷婷. 计算机学报. 2017(02)
[2]关联规则挖掘综述[J]. 崔妍,包志强. 计算机应用研究. 2016(02)
[3]XML的两种主要验证机制[J]. 陈娟. 电脑知识与技术. 2015(13)
[4]国内外社会化标签挖掘研究综述[J]. 蒋盛益,陈东沂,王连喜,庞观松,杨博泓. 图书情报工作. 2014(21)
[5]基于贝叶斯网络的上下文推荐算法[J]. 海本斋,解瑞云. 计算机科学. 2014(07)
[6]基于情境的Web服务推荐方法[J]. 古凌岚. 计算机工程与设计. 2014(03)
[7]面向Web服务组合推荐的关联规则研究[J]. 聂规划,罗迹,陈冬林. 武汉理工大学学报(信息与管理工程版). 2012(05)
[8]Web服务互操作标准概述[J]. 董建,袁媛,王潮阳. 信息技术与标准化. 2012(04)
[9]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[10]Mashup研究综述[J]. 祁晓晖,郑滔. 计算机应用. 2010(S1)
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
硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]注意力分解机[D]. 叶豪.浙江大学 2018
[3]一种基于因子分解机和主动学习的新电影推荐方法[D]. 薄玲玲.西北大学 2018
[4]基于聚类和矩阵分解的推荐算法的研究与改进[D]. 周超.青岛大学 2018
[5]Web日志关联规则挖掘方法研究与应用[D]. 谭博闻.重庆邮电大学 2016
[6]基于随机游走的Web服务推荐算法研究[D]. 戴小玲.湖南科技大学 2016
[7]基于FP-tree关联规则挖掘算法的研究与应用[D]. 易月娥.湖南大学 2007
本文编号：3663527
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景
1.2 国内外研究现状
1.2.1 Web服务推荐
1.2.2 Web服务组合模式
1.3 论文的主要贡献
1.4 论文的组织结构
第2章 理论基础与相关技术
2.1 Web服务及相关知识
2.1.1 Web服务的概念
2.1.2 Web服务标准及协议
2.1.3 Web服务体系结构
2.1.4 Mashup
2.2 关联规则挖掘技术
2.2.1 关联规则的定义
2.2.2 Apriori算法
2.2.3 FP-growth算法
2.3 常见的推荐技术
2.3.1 基于记忆的推荐技术
2.3.2 基于模型的推荐技术
2.4 本章小结
第3章 基于关联规则挖掘的Web服务组合模式发现
3.1 研究背景与动机
3.2 技术框架
3.3 Web服务组合模式挖掘
3.3.1 基于TF-IDF的 Web服务标签扩展
3.3.2 Web服务标签处理
3.3.3 基于FP-growth的 Web服务标签关联规则挖掘
3.3.4 获取Web服务组合模式
3.4 实验结果及分析
3.4.1 实验数据集
3.4.2 实验结果
3.4.3 方法比较
3.4.4 评价指标
3.4.5 评价结果
3.5 本章小结
第4章 组合模式感知的Web服务推荐
4.1 研究背景与动机
4.2 技术框架
4.3 组合模式感知的Web服务推荐方法
4.3.1 组合模式挖掘
4.3.2 共现性和流行度
4.3.3 深度因子分解机模型
4.3.4 基于组合模式和DeepFM的 Web服务推荐方法
4.4 实验与评估
4.4.1 数据集选取与实验设置
4.4.2 评价指标
4.4.3 方法比较
4.4.4 评价结果
4.4.5 实例分析
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
附录A 攻读学位期间发表的论文与科研成果清单
附录B 攻读学位期间所获的奖项
致谢
【参考文献】：
期刊论文
[1]基于主题模型的Mashup标签推荐方法[J]. 刘建勋,石敏,周栋,唐明董,张婷婷. 计算机学报. 2017(02)
[2]关联规则挖掘综述[J]. 崔妍,包志强. 计算机应用研究. 2016(02)
[3]XML的两种主要验证机制[J]. 陈娟. 电脑知识与技术. 2015(13)
[4]国内外社会化标签挖掘研究综述[J]. 蒋盛益,陈东沂,王连喜,庞观松,杨博泓. 图书情报工作. 2014(21)
[5]基于贝叶斯网络的上下文推荐算法[J]. 海本斋,解瑞云. 计算机科学. 2014(07)
[6]基于情境的Web服务推荐方法[J]. 古凌岚. 计算机工程与设计. 2014(03)
[7]面向Web服务组合推荐的关联规则研究[J]. 聂规划,罗迹,陈冬林. 武汉理工大学学报(信息与管理工程版). 2012(05)
[8]Web服务互操作标准概述[J]. 董建,袁媛,王潮阳. 信息技术与标准化. 2012(04)
[9]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[10]Mashup研究综述[J]. 祁晓晖,郑滔. 计算机应用. 2010(S1)
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
硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]注意力分解机[D]. 叶豪.浙江大学 2018
[3]一种基于因子分解机和主动学习的新电影推荐方法[D]. 薄玲玲.西北大学 2018
[4]基于聚类和矩阵分解的推荐算法的研究与改进[D]. 周超.青岛大学 2018
[5]Web日志关联规则挖掘方法研究与应用[D]. 谭博闻.重庆邮电大学 2016
[6]基于随机游走的Web服务推荐算法研究[D]. 戴小玲.湖南科技大学 2016
[7]基于FP-tree关联规则挖掘算法的研究与应用[D]. 易月娥.湖南大学 2007
本文编号：3663527
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3663527.html
