| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 社会化标签推荐 | 第11-12页 |
| 1.2.2 Web服务标签推荐 | 第12-13页 |
| 1.3 论文的主要贡献 | 第13页 |
| 1.4 论文的组织结构 | 第13-16页 |
| 第二章 理论基础与相关技术 | 第16-26页 |
| 2.1 Web服务相关概念 | 第16-18页 |
| 2.2 Mashup服务相关概念 | 第18页 |
| 2.3 Tag推荐技术 | 第18-20页 |
| 2.3.1 Tag的定义及特点 | 第19页 |
| 2.3.2 标签推荐系统 | 第19-20页 |
| 2.4 常见标签推荐方法 | 第20-24页 |
| 2.4.1 基于资源内容的标签推荐 | 第20-21页 |
| 2.4.2 基于协同过滤的标签推荐技术 | 第21-23页 |
| 2.4.2.1 基于用户的协同过滤推荐技术 | 第21-22页 |
| 2.4.2.2 基于资源的协同过滤推荐技术 | 第22-23页 |
| 2.4.2.3 基于混合的协同过滤推荐技术 | 第23页 |
| 2.4.3 基于图论的标签推荐技术 | 第23页 |
| 2.4.4 基于聚类的标签推荐技术 | 第23-24页 |
| 2.4.5 其他标签推荐技术 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于RTM的Mashup标签推荐算法 | 第26-44页 |
| 3.1 研究背景 | 第26-27页 |
| 3.2 问题定义 | 第27页 |
| 3.3 研究动机 | 第27-28页 |
| 3.4 Mashup标签推荐方法 | 第28-36页 |
| 3.4.1 概率主题模型 | 第28-32页 |
| 3.4.2 Page Rank算法 | 第32页 |
| 3.4.3 基于主题模型的Mashup标签推荐方法 | 第32-35页 |
| 3.4.4 算法复杂度分析 | 第35-36页 |
| 3.5 实验评估 | 第36-42页 |
| 3.5.1 数据集分析 | 第36-37页 |
| 3.5.2 方法比较 | 第37页 |
| 3.5.3 评估标准 | 第37-38页 |
| 3.5.4 实验结果 | 第38-40页 |
| 3.5.5 算法参数的影响 | 第40-41页 |
| 3.5.6 标签推荐案例分析 | 第41-42页 |
| 3.7 本章小结 | 第42-44页 |
| 第四章 基于分解机模型的Mashup标签预测算法 | 第44-60页 |
| 4.1 研究背景 | 第44-45页 |
| 4.2 算法框架 | 第45页 |
| 4.3 Mashup标签推荐方法 | 第45-53页 |
| 4.3.1 Web服务隐含主题信息的抽取 | 第46-47页 |
| 4.3.2 构建Web服务多关系网络 | 第47-49页 |
| 4.3.3 主题敏感的因子分解机模型 | 第49-53页 |
| 4.4 实验与分析 | 第53-58页 |
| 4.4.1 比较方法 | 第53-54页 |
| 4.4.2 推荐性能评估 | 第54-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 附录A （攻读学位期间获得的学术成果） | 第68-70页 |
| 附录B （攻读学位期间所获的奖项） | 第70-72页 |
| 附录C （攻读学位期间参加的研究项目） | 第72-74页 |
| 致谢 | 第74页 |