基于服务相似度的API服务推荐方法研究

利用API服务和Mashup应用的注册和组合信息,通过构建Mashup-API网络和API-API网络,在LFH方法的基础上改进Rada & Courtney算法,进行API服务的标签相似度、描述相似度和摘要相似度的计算并最终计算其服务相似度,基于服务的使用场景提出了相应的服务推荐算法,实现了协作关系、竞争关系和其他关系的服务推荐.使用ProgrammableWeb上Mashup应用和API服务的真实数据为载体验证了方法的可行性和有效性,在服务分类和服务推荐方面具有一定的意义.     

一种可信的Web服务推荐方法

为实现对可信Web 服务的推荐,提出基于用户及相似用户使用经验的Web服务信任模型,该模型一方面定义用户自身服务使用经验为直接信任度;另一方面,依据相似用户使用经验定义推荐信任度。采用TOP K算法,选出与用户最相似的K个最近邻,根据直接信任度与间接信任度预测出服务性能后进行服务推荐。模拟实验结果表明,该方法能有效进行Web服务推荐。     

基于情境感知的移动图书馆信息与服务推荐

基于情境感知的移动图书馆信息与服务推荐,主要在用户情境、移动情境、资源情境、服务情境四个维度下进行算法模型构建和感知技术设备应用,它是一个“情境-需求-服务”的自适应过程。在研究它泛在的普适化推荐服务和个性化推荐服务过程中,可以发现感知技术设备、算法和推理引擎的不同应用,主要是满足用户信息需求的以下特征,即情境信息的时效性、情境信息的准确性和完整性、情境信息的多种表达形式以及情境信息的互联与共享。     

基于UDDI分类架构实现Web服务的QoS

服务质量(QoS)描述了服务满足消费者需求的能力,提供有保证的QoS是Web服务在商业应用中获得成功的关键。本文利用UDDI的外部分类架构,建立了描述Web服务QoS的一组分类tModel,并给出了服务提供者QoS指标的量化定理和Web服务QoS的实现过程。该方法不改变UDDI内部结构,能更好地与Web服务标准协议兼容,并易于实现。     

基于QoS的Web服务发现与组合框架

本文提出了一个全面支持QoS的通用Web服务发现与组合框架。该框架将基于QoS的服务发现与组合过程分为接收用户请求、服务发现、功能流程设计、全局QoS服务选择、服务组合执行、组合结果评估6个阶段．能够支持服务组合中功能流程的自动构建和QoS全局最优的Web服务自动选择。     

基于Agent的自演化Web服务机制研究

作为一种面向服务的计算模式,Web服务具有松散耦合、与平台无关等优点,能简化跨组织应用的共享与集成,得到快速发展和应用。同时,社会个体间交互合作越来越频繁,Web服务还有很多问题有待解决,也存在很多挑战。介绍Web服务有关知识,分析Agent技术,给出Agent 自适应演化决策机制思路,最后提出了一种兼顾公平性的Web服务QoS评价模型,为用户提供最佳服务。     

一种基于相似度的混合推荐方法

提出了一种基于用户兴趣及标签相似度的混合推荐算法,构建基于标签的用户兴趣模型,通过计算与资源相似度完成推荐,同时融合时间因素研究用户兴趣变化,提高了基于内容的推荐中相似度计算的准确率;根据用户兴趣相似度聚类用户,通过兴趣协同推荐减少对评分矩阵的依赖,一定程度上解决了协同过滤中推荐数据缺失问题;同时,结合用户基本信息有望缓解冷启动问题。实验表明该算法具有一定的有效性及可行性。     

基于本体的Web Service发现

传统的W eb Service是建立在UDD I基础上的采用基于简单分类目录和关键字方式的。其匹配度都不高,为了提高查全率,需要在W eb及W eb Service服务中加入语义。本文详细介绍了semanticW eb及semanticW eb Service的上层服务结构,并深入的讨论了实现W eb Service发现的概念匹配方法。     

基于Hadoop的Web用户识别与新闻智能推荐算法研究

为了解决大数据时代用户阅读时遇到的“信息过载”与“信息迷失”问题,提出了基于Hadoop平台的用户准确识别与新闻推荐算法。首先基于MAC地址识别用户,通过对用户浏览轨迹的离线和在线挖掘,建立用户兴趣模型。然后对新闻关键词进行聚类,结合协同过滤和启发式方法,基于关键词对用户进行新闻的智能推荐。实验结果表明,基于MAC地址的算法比基于IP地址的算法用户识别率提高了30%。     

基于联系数和灰关联的Web服务选择模拟实验设计

针对Web服务组合中相似服务的选择问题,将联系数引入到Web服务选择领域。首先利用层次分析法和离差最大定权法计算Web服务的主观权重和客观权重,并将主观权重与客观权重形成的区间转换成联系数,根据联系数模的几何意义确定主观权重和客观权重相互作用的综合权值。在模拟实验中将灰色关联理论和欧几里得距离结合,并把权重因子引入关联度量化模型中,根据相似度选择Web服务。实例表明了该实验方法的有效性和可行性。     

基于服务质量的Web服务可用性评价方法

为提高Web服务的可用性,设计一种基于可用度的Web服务可用性测试模型,提出了一种Web服务可用性的评价方法,对服务质量指标进行量化评估,为服务请求者选择最优服务提供参考依据。实验表明,该方法具有很好的灵活性和实用性。     

面向泛在学习智能推荐的用户偏好影响因素实证研究

准确识别和表达用户偏好是实现泛在学习智能推荐服务的关键,为提升泛在学习服务的个性化和智能化水平,研究并分析影响用户偏好形成的主要因素,对构建具有自适应能力的用户偏好模型具有现实意义。文章以个性化服务理论、情境感知理论和技术接受模型理论为基本框架,分别从服务维度、情境维度、资源维度和技术维度四个方面研究并分析了影响用户偏好建立的主要因素,建立了泛在学习智能推荐用户偏好前因模型,采用结构方程模型统计技术检验了该研究模型,并对实证研究结果进行了分析。     

基于用户属性偏好与时间因子的服装推荐研究

针对服装推荐方法推荐精度不高、覆盖率低,不能充分挖掘用户潜在兴趣的问题,提出一种基于用户图像内容属性偏好与时间因子的服装推荐（UIACF）算法。通过构建深度卷积神经网络,提取服装图像中的服装属性,并据此形成用户属性向量,将基于用户属性偏好的相似度与基于时间因子的用户兴趣偏好相似度融合,构建用户偏好模型。将其与基于用户的协同过滤（UCF）算法、基于项目的协同过滤（ICF）算法及基于项目偏好的协同过滤（UCSVD）算法进行比较,结果显示,UIACF 算法准确率提高 14%。该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路,用户潜在兴趣挖掘效率更高。     

基于语义的Web服务发现的研究与实现

本文提出了基于语义的服务自动发现的框架，从服务的描述、发布、注册和发现方面，结合本体、语义Web和agent技术，研究了服务的自动发现的实现过程，最后给出了实现方法。     

基于用户兴趣的文献个性化推荐研究

针对当前文献推荐中个性化程度不高等问题,提出一种对用户行为重新分配权重的度量算法。运用用户行为数据按照时间顺序重新分配权重,突出近期用户兴趣构建用户兴趣模型。通过LDA主题分布、关键词分布等方法构建学术资源模型,实现两模型间匹配,完成推荐。通过实验验证,该算法准确性达到80%,比传统等权重算法提高近20%,召回率与F值分别提升了7%和5%。研究表明,基于时间因素的用户兴趣度量算法相较于传统等权重算法具有更高的准确性,未来可进一步优化用户兴趣度量以实现精准推荐服务。     

基于云银行模型下云服务的服务质量度量方法研究

随着云计算的广泛应用,云服务的QoS问题也正逐渐显现,业界对云服务质量的相关研究方兴未艾。笔者对此问题提出了一套完整的服务质量度量方法,根据度量的结果加入到服务等级协议（CBSLA）中,使CBSLA成为各方往来的依据。通过这种方式,可以将研究成果广泛应用于对云计算QoS控制策略的评价、选择、定价和优化上。     

移动用户群优惠券推荐系统研究

推荐系统已经成为网络营销中重要组成部分.由于群体的多样性和动态性,群体推荐是目前具有挑战性的问题.现有的群体推荐主要集中在群体成员的内容兴趣上,而忽略了其他有助于提高推荐质量的特征.本文提出了一种团体优惠券推荐系统,它可以向顾客推荐地理位置敏感的产品,并协助他们组团,以便在团购中利用卖家提供的折扣优惠券获取最优惠的价格.随着智能手机使用量的增加,团队基于所提出的推荐方法开发了一个名为"聚省汇"的移动应用程序,对微信用户进行推荐团体折扣的实验.实验结果表明,此App不仅可以为团购推荐打折产品,而且可以显著提高顾客的购买意愿.     

基于用户模型的个性化本体学习资源推荐研究

如何基于学习者的个性化学习特征,使学习者在大量学习资源和学习活动中快速定位自己最适合的内容已成为当前热点问题.本文研究的SAELS(Semantic Adaptiv-Learning System)实现以本体技术为核心,以用户模型为依据的个性化本体学习资源推荐.文中首先以课程为例构建本体,然后介绍了如何构建一个成功的用户模型,接着提出了个性化本体学习资源推荐模型,最后重点探讨了如何根据Felder-Silverman学习风格量表和学习过程行为模式,推断学习风格,和基于概念累积计分法推断认知水平两个层面加以整合实现个性化本体学习资源推荐.     

基于语义的web服务匹配算法研究与实现

随着Internet信息的迅速增长,快速而有效地查找网络信息成为获取网络信息的基础.为了实现高效查找web服务,提出一种基于语义的三阶段匹配算法,首先对web服务进行基于关键字的分类筛选,然后实现web服务基于语义的功能匹配,最后实现web服务的非功能匹配.实践证明,该算法能够提高web服务匹配效率.