| 摘要 | 第4-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 研究背景 | 第15页 |
| 1.2 论文的研究内容 | 第15-18页 |
| 1.2.1 服务QoS预测问题 | 第15-16页 |
| 1.2.2 时空背景对服务推荐的影响问题 | 第16-17页 |
| 1.2.3 服务推荐的信任问题 | 第17-18页 |
| 1.2.4 组合服务推荐问题 | 第18页 |
| 1.3 主要创新点 | 第18-20页 |
| 1.3.1 基于用户聚类的服务推荐算法 | 第18-19页 |
| 1.3.2 基于时空感知的服务推荐算法 | 第19页 |
| 1.3.3 基于服务社交网的服务推荐算法 | 第19-20页 |
| 1.3.4 基于服务网络的服务组合推荐算法 | 第20页 |
| 1.4 论文结构 | 第20-22页 |
| 1.5 本章小结 | 第22-23页 |
| 参考文献 | 第23-25页 |
| 第2章 基于用户聚类的服务推荐算法 | 第25-57页 |
| 2.1 引言 | 第25-27页 |
| 2.2 相关研究工作 | 第27-31页 |
| 2.2.1 协同过滤推荐算法 | 第27-29页 |
| 2.2.2 服务选择 | 第29-30页 |
| 2.2.3 矩阵的聚类 | 第30-31页 |
| 2.3 相关定义 | 第31-32页 |
| 2.4 基于用户聚类算法的系统架构图 | 第32-35页 |
| 2.5 用户聚类算法 | 第35-42页 |
| 2.5.1 用户聚类服务推荐算法的思想 | 第35页 |
| 2.5.2 粒子群算法 | 第35-36页 |
| 2.5.3 K-Mean聚类算法 | 第36-38页 |
| 2.5.4 数据预处理 | 第38-40页 |
| 2.5.5 基于改进的粒子群优化的K-Mean聚类算法描述 | 第40-42页 |
| 2.6 基于用户聚类的QoS预测 | 第42-45页 |
| 2.6.1 预测思想 | 第42-43页 |
| 2.6.2 QoS预测 | 第43-44页 |
| 2.6.3 QoS多维扩展 | 第44-45页 |
| 2.7 实验与仿真 | 第45-53页 |
| 2.7.1 数据集 | 第45-46页 |
| 2.7.2 聚类效果的实验与分析 | 第46-49页 |
| 2.7.3 QoS预测的实验与分析 | 第49-53页 |
| 2.8 本章小结 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 第3章 基于时空感知的服务推荐算法 | 第57-75页 |
| 3.1 引言 | 第57-59页 |
| 3.2 相关研究 | 第59-60页 |
| 3.3 数据预处理 | 第60-63页 |
| 3.3.1 时间间隔划分 | 第60-61页 |
| 3.3.2 用户及服务聚类 | 第61-62页 |
| 3.3.3 服务QoS归一化处理 | 第62-63页 |
| 3.4 基于时空感知的服务QoS预测算法 | 第63-67页 |
| 3.4.1 基于时空感知的服务推荐的基本框架 | 第63-64页 |
| 3.4.2 相似度计算 | 第64-66页 |
| 3.4.3 近邻选择 | 第66-67页 |
| 3.4.4 服务QoS值预测 | 第67页 |
| 3.5 实验与分析 | 第67-70页 |
| 3.5.1 数据集 | 第67页 |
| 3.5.2 评价标准 | 第67-68页 |
| 3.5.3 实验数据分析 | 第68-70页 |
| 3.6 本章小结 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 第4章 基于服务社交网的服务推荐算法 | 第75-99页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相关研究 | 第76-79页 |
| 4.3 服务社交网SSN | 第79-82页 |
| 4.3.1 服务社交网SSN定义 | 第79-81页 |
| 4.3.2 用户节点视图 | 第81-82页 |
| 4.4 基于服务社交网SSN的服务协同过滤推荐算法 | 第82-90页 |
| 4.4.1 基于SSN的推荐算法框架与基本思想 | 第82-83页 |
| 4.4.2 服务社交网SSN的关系计算 | 第83-89页 |
| 4.4.3 基于SSN的协同过滤算法描述 | 第89-90页 |
| 4.4.4 算法特点 | 第90页 |
| 4.5 实验分析 | 第90-95页 |
| 4.5.1 实验环境与数据集 | 第91页 |
| 4.5.2 推荐成功率对比分析 | 第91-92页 |
| 4.5.3 奖惩因子测试分析 | 第92-94页 |
| 4.5.4 时间衰减因子的影响 | 第94-95页 |
| 4.6 本章小结 | 第95-96页 |
| 参考文献 | 第96-99页 |
| 第5章 基于服务网络的服务组合推荐算法 | 第99-116页 |
| 5.1 引言 | 第99-100页 |
| 5.2 相关研究 | 第100-103页 |
| 5.3 服务网络UMAT网 | 第103-105页 |
| 5.4 相似度计算 | 第105-106页 |
| 5.5 基于UMAT网络的组合服务推荐算法 | 第106-109页 |
| 5.5.1 服务的标签满足度相关定义 | 第107-108页 |
| 5.5.2 基于服务网络的组合服务算法(UMAT-CSRA)描述 | 第108-109页 |
| 5.6 实验与分析 | 第109-112页 |
| 5.6.1 数据集 | 第109页 |
| 5.6.2 评价标准 | 第109-110页 |
| 5.6.3 实验分析 | 第110-112页 |
| 5.7 本章小结 | 第112-113页 |
| 参考文献 | 第113-116页 |
| 第6章 总结与展望 | 第116-120页 |
| 6.1 研究总结 | 第116-118页 |
| 6.1.1 基于用户聚类的服务推荐算法UCC-CF | 第116页 |
| 6.1.2 基于时空感知的服务选择算法TLCF | 第116-117页 |
| 6.1.3 基于服务社交网络服务推荐算法SSN-CF | 第117页 |
| 6.1.4 基于服务网络的服务组合推荐算法UMAT-CSRA | 第117-118页 |
| 6.2 下一步展望 | 第118-120页 |
| 6.2.1 个性化推荐系统策略研究 | 第118页 |
| 6.2.2 聚类方法的研究 | 第118页 |
| 6.2.3 研究服务推荐的信任策略 | 第118-119页 |
| 6.2.4 服务组合推荐的策略与方法 | 第119-120页 |
| 参考文献 | 第120-121页 |
| 致谢 | 第121-122页 |
| 攻读博士期间发表的论文 | 第122页 |
