基于异构网络聚类的Web服务推荐系统研究

摘要

随着Web技术的迅速发展，Web服务作为一个新型的可重复使用的软件功能被提出并得到广泛应用。当前Web服务数量剧增，且服务请求者的个性化需求日益凸现，传统的服务发现和选择模式已难以满足用户的请求。服务推荐致力于为用户提供符合其个性化需求的 Web服务，并成为一个新的研究热点。其中，Web服务聚类可以将具有相同或相似特性的Web服务聚集，从而达到改进服务推荐的效果。
　　现有的Web服务聚类方法主要基于Web服务描述信息，忽略了Web服务各个参与方的关系。针对该问题，本文研究基于异构服务网络的Web服务聚类方法，对经典的NetClus算法改进，利用Web服务与各参与方之间的关系改进服务聚类效果。根据Web服务聚类信息，对Web服务推荐系统进行分析与设计，通过实现系统原型，将算法应用到Web服务推荐系统中。
　　本文所做的主要工作如下：
　　①分析了Web服务的主要技术和标准以及现有的各种聚类方法的特点，研究了信息网络分析方法的发展过程和协同过滤推荐算法的现状。
　　②针对Web服务与各个参与方之间的关系，利用异构信息网络分析方法，构建了一种异构服务网络。该异构网络模型考虑了Web服务与Web服务属性、Web服务与提供商以及Web服务与用户之间的关系，并在模型中引入了响应时间，为基于异构网络的Web服务聚类算法提供了模型基础。
　　③提出了MAO-NetClus算法，实现了基于异构服务网络的Web服务聚类。该算法解决了NetClus算法中单个目标节点无法与一种属性节点中多个不同节点相连的问题。通过仿真实验证明，所提出的算法相比原始算法的聚类效果在推荐准确度上有所提高，评估了在不同稀疏度、簇的数量和迭代次数的情况下算法的稳定性。
　　④分析了现有Web服务推荐系统的不足之处，详细阐述了Web服务推荐系统的需求，设计了基于异构网络聚类的Web服务推荐系统原型。通过需求分析设计了系统架构、功能结构以及数据库，并详细设计了各个功能的具体流程。
　　⑤根据设计的Web服务推荐系统，采用JAVA语言和MySQL数据库实现了Web服务推荐系统原型。给出了原型中各个功能实现后的效果图，最后对推荐系统进行了功能测试。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 课题研究背景与研究意义

1.2 国内外研究现状

1.3 本文的主要工作

1.4 本章小结

2 相关技术分析

2.1 Web服务

2.2 聚类算法

2.3 异构信息网络

2.4 协同过滤算法

2.5 本章小结

3 基于异构网络的Web服务聚类研究

3.1 基于Web服务关系的异构信息网络模型

3.2 基于异构网络的Web服务聚类

3.3 聚类结果分析

3.4 本章小结

4 基于异构网络聚类的Web服务推荐系统分析与设计

4.1 Web服务推荐系统总体需求分析

4.2 Web服务推荐系统功能分析

4.3 Web服务推荐总体设计

4.4 Web服务推荐系统模块设计

4.5 本章小结

5 基于异构网络聚类的Web服务推荐系统的实现

5.1 推荐系统开发环境

5.2 Web服务推荐系统功能实现

5.3 功能测试

5.4 本章小结

6 结论与展望

6.1 结论

6.2 工作展望

致谢

参考文献

附录

B. 作者在攻读硕士学位期间参与的研究和项目