Personalized Service Recommendation

摘要

Mashup是一种通过对现有Web服务组件进行复用和组合创造新的服务流程的技术。随着互联网上的服务数量不断增多，基于用户的显性和隐性需求来为构建Mashup寻找合适的服务组件变得愈加困难。现有的服务推荐算法的局限在于仅仅能够基于用户的特定显性需求给出结果。
　　我们因此提出一种基于多关系的服务推荐算法对用户的显性和隐性需求同时进行建模。在我们的模型中我们将考虑用户社交网络、服务社交网络，以及通过主题模型构建的主题社交网络等多重关系，并将其通过一个耦合的矩阵模型进行表达。
　　相应的，我们设计了一个耦合矩阵分解算法，来对多重社交网络中的潜在信息进行预测，再通过预测信息进行完整的服务推荐流程的构建。在多关系的权重优化问题上，我们采用遗传算法对权重向量进行优化。
　　同时，针对用户在实际服务组合过程中的需求，我们提出了基于元服务流程模板的服务推荐方法。包括元服务模板提取算法，模板检索排序算法，服务选择优化算法，并通过实验展示了方法的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

1 .1 研究背景

1 .2 国内外研究现状

1 .3 目前存在的问题

1 .4 研究的目标及其主要的内容

1 .5 本文的组织结构及其章节安排

第二章 相关技术

2 .1 推荐系统

2.2 Mashup 技术

2.3 LDA主题模型

2 .4 本章小结

第三章 应用于多关系服务推荐的矩阵分解技术

3 .1 单矩阵分解模型

3 .2 单矩阵模型学习算法

3 .3 考虑偏差因素的单矩阵分解

3 .4 多矩阵耦合分解算法

第四章 服务社交网络的建立

4 .1 为什么服务需要社交网络

4.2 服务社交网络定义

4.3 基于社交关系的服务推荐

4.4 本章小结

第五章 基于服务社交网络信息的多关系推荐模型

5.1 推荐问题数学描述

5.2 多关系联合模型

5.3 遗传优化算法调整参数

5.4 本章小结

第六章 基于元服务流程模板的服务推荐

6.1 基于元服务模板的推荐算法

6.2 元服务流程模板提取算法

6.3 频繁结构检索与排序

6.4 服务选择优化

6.5 本章小结

第七章 实验与分析

7.1数据准备

7.2 基于多关系融合的服务推荐

7.3 基于元服务模板的服务推荐

7.4 本章小结

第八章 总结与展望

8.1 本文工作回顾

8.2 存在的问题及进一步的工作

致谢

参考文献

攻读硕士学位期间已发表或录用的论文