首页> 中文学位 >基于稀疏QoS与协同过滤的个性化Web服务推荐方法研究
【6h】

基于稀疏QoS与协同过滤的个性化Web服务推荐方法研究

代理获取

目录

声明

第一章 绪论

1.1课题研究背景

1.2推荐系统研究现状

1.3本文主要工作概述

1.4本文内容章节安排

第二章 Web服务及推荐系统

2.1 Web服务及相关技术

2.2推荐系统

2.3本章小结

第三章 基于用户偏好的改进协同过滤Web服务推荐

3.1概述

3.2用户偏好问题的提出

3.3基于用户偏好的改进协同过滤Web服务推荐算法

3.4基于用户偏好的改进协同过滤算法流程

3.5实验与分析

3.6本章小结

第四章 基于联合用户偏好的改进协同过滤Web服务推荐

4.1概述

4.2联合用户偏好与QoS数据

4.3基于联合用户偏好的改进协同过滤Web服务推荐算法

4.4基于联合用户偏好的改进协同过滤算法流程

4.5实验与分析

4.6本章小结

第五章 基于用户位置与偏好的改进协同过滤Web服务推荐

5.1概述

5.2用户位置敏感问题

5.3基于用户位置与偏好的改进协同过滤Web服务推荐算法

5.4基于用户位置与偏好的改进协同过滤算法流程

5.5实验与分析

5.6本章小结

第六章 总结与展望

6.1本文工作总结

6.2进一步研究展望

参考文献

附录 攻读硕士学位期间撰写的论文

致谢

展开▼

摘要

Web的快速发展带来了信息爆炸的现状,现在对个性化 Web服务推荐信息系统的研究成为服务计算领域的一个热门研究方向。Web服务推荐系统的研究主要解决两个问题:稀疏QoS数据的预测及补全,用户个性化推荐。问题一是因为提供相同或相似功能的Web服务数量很多,对于个体用户而言,很有可能被推荐的服务是该用户从未接触过的,这样就存在QoS数据的稀疏问题,这就需要对缺失的数据进行补全。问题二是因为推荐给用户的服务是不是准确不能仅仅通过QoS值的预测来判断,还要考虑用户的个性化需求,在考虑用户的个性化需求的条件下对稀疏QoS值进行预测和补全,才能推荐合适的服务给目标用户。基于协同过滤的推荐系统能根据相似用户或相似服务的评分来预测当前用户的评分,在该研究方向已经有不少研究成果,但是QoS数据预测的准确性和个性化推荐的合理行方面仍然存在很多不足。在基于协同过滤的Web服务推荐算法研究方向,本文提出以下三种改进的算法模型:
  首先,本文提出了一种基于用户偏好的改进协同过滤Web服务推荐算法(UPCF),该算法的基本思路是,首先从QoS数据中提取用户偏好,并将其作为相似用户的选择标准,然后使用top-k算法确定目标用户及服务的相似邻居,最后使用调整的加权和方法来预测目标用户的QoS值。
  其次,本文在基于用户偏好的改进协同过滤Web服务推荐算法(UPCF)基础上,提出了基于联合用户偏好的改进协同过滤Web服务推荐算法(CUPCF)。该算法从QoS数据中提取用户偏好数据并使用于相似邻居的选择,在使用top-k算法确定目标用户及服务的相似邻居集合之后,使用QoS数据计算邻居的相似度,最后使用调整的加权和方法来预测目标用户的QoS值。
  最后,本文在CUPCF算法的基础上,提出了基于用户位置与偏好的改进协同过滤Web服务推荐算法(LSCUPCF),该算法将QoS数据按照用户的位置分布划分为几个子类,子类中的用户由于位置的相似具有更好的相似性,LSCUPCF在提高用户个性化考虑的基础上,降低了算法的计算复杂度,提高了算法的效率及准确率。
  我们的实验使用香港中文大学发布的WSDREAM数据集,该数据集收集了全球30个国家的339个用户和70多个国家的5825个Web服务,包含197万条真实Web服务QoS访问记录,WSDREAM数据集上的实验结果表明本文所提出的一系列推荐算法具有更好的预测准确率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号