| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9-14页 |
| 1.2 研究工作 | 第14-15页 |
| 1.3 论文结构 | 第15-16页 |
| 第2章 大数据的技术体系和服务组合推荐的相关工作 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 大数据处理相关工作 | 第16-21页 |
| 2.2.1 大数据的定义 | 第16-17页 |
| 2.2.2 大数据的处理流程 | 第17-18页 |
| 2.2.3 大数据处理的关键技术 | 第18-21页 |
| 2.3 服务组合推荐的关键概念 | 第21-27页 |
| 2.3.1 执行路径(Execution path)和执行方案(Execution plan) | 第21-22页 |
| 2.3.2 服务的QoS参数指标 | 第22-25页 |
| 2.3.3 服务的效用值 | 第25-27页 |
| 2.3.4 QoS约束 | 第27页 |
| 2.4 服务组合推荐研究现状 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于QoS历史记录的服务组合推荐方法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 基于QoS历史记录的服务组合推荐思路 | 第31-33页 |
| 3.3 传统的全局组合推荐方法 | 第33-35页 |
| 3.3.1 全局组合推荐方法的基本思路 | 第33页 |
| 3.3.2 全局组合推荐方法的算法描述 | 第33-34页 |
| 3.3.3 问题与分析 | 第34-35页 |
| 3.4 一种基于分解全局约束和取历史记录均值策略的服务组合推荐方法DCAH | 第35-38页 |
| 3.4.1 DCAH方法的基本思想 | 第35-36页 |
| 3.4.2 DCAH方法的算法描述 | 第36-38页 |
| 3.4.3 问题与分析 | 第38页 |
| 3.5 一种基于CLARA类的服务组合推荐方法CBSC | 第38-43页 |
| 3.5.1 CBSC方法的基本思想 | 第38-39页 |
| 3.5.2 CLARA聚类方法简述 | 第39-41页 |
| 3.5.3 CBSC方法的算法描述 | 第41-43页 |
| 3.5.4 问题与分析 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 DCAH与CBSC方法的实验与评估 | 第45-50页 |
| 4.1 实验数据与环境 | 第45页 |
| 4.2 实验内容与评估 | 第45-50页 |
| 4.2.1 时间消耗评估与分析 | 第46-47页 |
| 4.2.2 准确度评估与分析 | 第47-50页 |
| 第5章 服务组合推荐在大数据环境中的应用 | 第50-61页 |
| 5.1 引言 | 第50-51页 |
| 5.2 大数据环境下的服务组合推荐系统架构 | 第51-54页 |
| 5.2.1 系统构成 | 第51-53页 |
| 5.2.2 处理流程 | 第53-54页 |
| 5.3 “自驾游信息处理”案例分析 | 第54-59页 |
| 5.3.1 “自驾游”信息处理的基本流程 | 第54-56页 |
| 5.3.2 “自驾游”组合方案推荐的产生过程 | 第56-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 结束语 | 第61-63页 |
| 6.1 本文成果 | 第61页 |
| 6.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68-69页 |
| 附录A 攻读硕士学位期间参加的科研项目 | 第68页 |
| 附录B 攻读硕士学位期间发表的学术论文 | 第68-69页 |
