基于QoS信息的服务推荐

发布时间：2017-08-19 22:32

  本文关键词：基于QoS信息的服务推荐

  更多相关文章： Web服务 云服务 服务推荐 QoS信息 多目标推荐

【摘要】：随着以Web服务、云服务为代表的互联网服务的蓬勃发展,服务形式及服务数量都在迅速的增加。因此,对于用户来说,如何选择合适的服务成为一个亟待解决的问题。服务推荐技术在这种背景之下出现,并成为解决上述问题的有效手段。论文围绕服务推荐话题展开,主要进行了三方面工作。首先,论文从传统推荐方法不注重时间信息的缺陷出发,将时间信息纳入协同过滤推荐方法中,提出了一个考虑时间信息的QoS值预测算法,以此为基础实现了时间感知的基于QoS值服务推荐方法,并且用实验验证了该方法的可行性及优越性。其次,论文将服务推荐与多目标推荐结合,提出了一个基于多目标决策的多目标服务推荐方法。该方法将用户需求泛化为多目标决策中的目标,提出了完整的目标满足度及目标集满足度的衡量方法,并且考虑到了目标之间存在优先级的现实场景并实现其衡量方法,使得该方法尤其适用于服务推荐场景。最后,论文实现了一个云服务推荐引擎系统。该系统的推荐方法基于上述两种推荐方法,结合云服务抓取,云服务对象化存储等模块,实现了为用户提供其感兴趣的云服务提供商及实例的功能。该系统的用户界面以网页的方式加以实现,用户可以通过与网页交互提出自己的需求,并得到云服务搜索结果。
【关键词】：Web服务 云服务 服务推荐 QoS信息 多目标推荐
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要3-4
• ABSTRACT4-11
• 第一章 绪论11-18
• 1.1 引言11
• 1.2 课题研究背景及研究意义11-15
• 1.3 本文主要工作及创新点15-16
• 1.4 章节安排16-18
• 第二章 服务推荐概述18-36
• 2.1 引言18
• 2.2 Web服务概述18-20
• 2.2.1 Web服务定义18
• 2.2.2 Web服务结构18-19
• 2.2.3 Web服务调用方式19-20
• 2.3 云服务概述20-23
• 2.3.1 云计算概念20-21
• 2.3.2 云服务的服务模式21-22
• 2.3.3 云服务的部署模式22-23
• 2.4 推荐系统概述23-28
• 2.4.1 协同过滤推荐25-27
• 2.4.2 基于内容的推荐27-28
• 2.4.3 混合推荐28
• 2.5 服务推荐研究现状28-35
• 2.5.1 现有的协同过滤方法30-32
• 2.5.2 现有的其他方法32
• 2.5.3 现有方法存在的不足32-35
• 2.6 本章小结35-36
• 第三章 时间感知的基于QOS服务推荐方法36-61
• 3.1 时间感知的基于QoS服务推荐方法设计概述36-38
• 3.2 用于推荐系统的张量分解算法38-47
• 3.2.1 张量的表示方法及基本运算38-40
• 3.2.2 算法问题定义40-41
• 3.2.3 张量缺失项预测41-47
• 3.3 缺失QoS值预测实验47-59
• 3.3.1 数据集简介48-49
• 3.3.2 评估测度49
• 3.3.3 预测算法性能评估49-56
• 3.3.4 n秩取值对预测准确度的影响56-59
• 3.4 本章小结59-61
• 第四章 多目标服务推荐算法61-75
• 4.1 多目标服务推荐设计概述61-62
• 4.2 服务推荐的多目标决策模型构建62-65
• 4.2.1 建立目标集合63-64
• 4.2.2 多目标推荐对象模型的构建64-65
• 4.3 服务推荐的多目标决策算法65-74
• 4.3.1 服务推荐的多目标决策基本模型构建66-68
• 4.3.2 OWA优先级目标聚合方法68-72
• 4.3.3 弱有序的OWA聚合方法72-74
• 4.4 本章小结74-75
• 第五章 云服务搜索引擎系统75-91
• 5.1 系统概述75-78
• 5.1.1 需求分析75-76
• 5.1.2 模型概要76-78
• 5.2 系统结构78-79
• 5.3 关键技术79-83
• 5.3.1 云服务信息抓取79-80
• 5.3.2 云服务实例对象化80-82
• 5.3.3 云服务推荐算法82-83
• 5.4 系统实现83-90
• 5.4.1 软件运行环境83
• 5.4.2 软件主要功能83
• 5.4.3 用户界面83-90
• 5.5 本章小结90-91
• 第六章 结束语91-93
• 6.1 主要工作与创新点91-92
• 6.2 后续研究工作92-93
• 参考文献93-97
• 致谢97-98
• 攻读硕士学位期间已发表或录用的论文98-99
• 上海交通大学硕士学位论文答辩决议书99-101

【相似文献】

中国期刊全文数据库 前10条

1 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

2 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

3 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

4 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

5 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

6 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

7 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20期

8 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

10 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期

中国重要会议论文全文数据库 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

中国博士学位论文全文数据库 前10条

1 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

3 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

4 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

5 高e，

本文编号：703353