| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景和意义 | 第9-10页 |
| ·研究的主要问题及主要研究内容 | 第10-11页 |
| ·论文组织与结构 | 第11-13页 |
| 第2章 相关研究 | 第13-23页 |
| ·Web服务推荐方法 | 第13-15页 |
| ·基于UDDI服务订阅的Web服务推荐机制 | 第13-14页 |
| ·基于序列挖掘的Web服务推荐研究 | 第14页 |
| ·个性化服务推荐方法 | 第14-15页 |
| ·用户信息获取技术 | 第15页 |
| ·Web服务QoS评价方法 | 第15-18页 |
| ·Web服务QoS简介 | 第15-16页 |
| ·基于立体QoS模型的评价方法 | 第16-17页 |
| ·基于综合评价的QoS评价方法 | 第17-18页 |
| ·协作过滤计算方法 | 第18-22页 |
| ·基于用户的协作过滤方法 | 第19-20页 |
| ·基于模型的协作过滤方法 | 第20页 |
| ·基于项目聚类的协作过滤方法 | 第20-21页 |
| ·基于降维的协作过滤方法 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第3章 基于协作过滤的Web服务推荐机制 | 第23-39页 |
| ·问题提出 | 第23-25页 |
| ·基于协作过滤的Web服务推荐过程 | 第25-28页 |
| ·初始数据获取方法 | 第28-34页 |
| ·Web服务QoS计算模型 | 第28-32页 |
| ·服务使用信息及获取方式 | 第32-34页 |
| ·基于协作过滤Web服务QoS预测过程 | 第34-35页 |
| ·Web服务评价及推荐方法 | 第35-37页 |
| ·小结 | 第37-39页 |
| 第4章 基于协作过滤的服务QoS预测方法 | 第39-49页 |
| ·基于协作过滤的QoS预测流程 | 第39-40页 |
| ·用户的业务特征信息提取方法 | 第40-41页 |
| ·基于历史时间的协作过滤预测算法 | 第41-48页 |
| ·协作过滤数据预处理方法 | 第42-43页 |
| ·相似度度量方法 | 第43-46页 |
| ·协作过滤预测算法 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第5章 基于BP神经网络的稀疏问题处理方法 | 第49-59页 |
| ·面向协作过滤推荐的稀疏问题处理模型 | 第49-50页 |
| ·BP神经网络预测模型的设计 | 第50-54页 |
| ·BP神经网络数据预处理方法 | 第51-52页 |
| ·BP神经网络结构设计 | 第52-54页 |
| ·基于BP神经网络的服务特征补全过程 | 第54-57页 |
| ·小结 | 第57-59页 |
| 第6章 基于协作过滤的Web服务推荐模块的设计与实现 | 第59-73页 |
| ·推荐模块总体设计 | 第59-60页 |
| ·推荐模块详细设计 | 第60-67页 |
| ·功能子模块设计 | 第61-63页 |
| ·推荐模块执行流程 | 第63页 |
| ·数据表及内存结构设计 | 第63-67页 |
| ·关键子模块的设计与实现 | 第67-69页 |
| ·实验分析 | 第69-72页 |
| ·小结 | 第72-73页 |
| 第7章 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |