| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究目的及意义 | 第12页 |
| 1.4 支撑项目 | 第12-13页 |
| 1.5 组织结构 | 第13-14页 |
| 第二章 基础理论介绍 | 第14-24页 |
| 2.0 Web服务 | 第14-16页 |
| 2.0.1 Web服务的概念 | 第14页 |
| 2.0.2 Web服务体系架构 | 第14-16页 |
| 2.0.3 Web服务关键技术 | 第16页 |
| 2.1 Mashup服务 | 第16-20页 |
| 2.1.1 Mashup服务的概念 | 第17页 |
| 2.1.2 Mashup服务架构 | 第17-18页 |
| 2.1.3 传统Web服务的区别 | 第18-19页 |
| 2.1.4 Mashup服务的优点 | 第19页 |
| 2.1.5 Mashup服务存在的问题 | 第19-20页 |
| 2.2 推荐算法综述 | 第20-22页 |
| 2.2.1 基于内容的推荐算法 | 第20页 |
| 2.2.2 基于协同过滤的推荐算法 | 第20-21页 |
| 2.2.3 推荐系统评价标准 | 第21-22页 |
| 2.3 信息熵多属性决策方法 | 第22页 |
| 2.4 TF-IDF技术 | 第22-23页 |
| 2.5 服务质量 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于用户兴趣与协同过滤的Mashup服务推荐方法 | 第24-42页 |
| 3.1 方法框架 | 第24-25页 |
| 3.2 用户兴趣模型构建 | 第25-32页 |
| 3.2.1 数据爬取 | 第26-27页 |
| 3.2.2 Mashup相似度计算 | 第27-30页 |
| 3.2.3 社会关系相似度计算 | 第30-31页 |
| 3.2.4 综合相似度计算 | 第31-32页 |
| 3.3 QoS预测模型构建 | 第32-35页 |
| 3.3.1 用户相似模型设计 | 第32-33页 |
| 3.3.2 服务相似模型设计 | 第33-34页 |
| 3.3.3 计算相似邻居以及QoS缺失值预测 | 第34-35页 |
| 3.3.4 Mashup服务推荐 | 第35页 |
| 3.4 Mashup服务推荐 | 第35-36页 |
| 3.5 实验及分析 | 第36-40页 |
| 3.6 总结 | 第40-42页 |
| 第四章 基于信息熵多属性决策的Mashup服务推荐方法 | 第42-50页 |
| 4.1 基于信息熵多属性决策的Mashup服务推荐框架 | 第42-44页 |
| 4.1.1 用户兴趣值的获取 | 第43-44页 |
| 4.1.2 用户兴趣值的获取 | 第44页 |
| 4.2 基于信息熵多属性决策的Mashup服务推荐算法 | 第44-47页 |
| 4.3 实验与分析 | 第47-49页 |
| 4.3.1 实验设置与数据集 | 第47页 |
| 4.3.2 实验结果 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 附录A (攻读学位期间发表论文目录) | 第58-60页 |
| 附录B (攻读学位期间所获的奖项) | 第60-62页 |
| 附录C (攻读学位期间参加研究项目) | 第62页 |
