摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第11-21页 |
1.1 研究背景 | 第11-14页 |
1.1.1 Web服务推荐 | 第11-12页 |
1.1.2 Web服务推荐的主要研究问题 | 第12-13页 |
1.1.3 Web服务推荐面临的挑战 | 第13-14页 |
1.2 国内外研究现状 | 第14-19页 |
1.2.1 传统推荐技术的研究 | 第14-15页 |
1.2.2 基于QoS预测的Web服务推荐技术研究 | 第15-18页 |
1.2.3 当前研究存在的问题 | 第18-19页 |
1.3 论文主要工作 | 第19-20页 |
1.4 论文组织与结构 | 第20页 |
1.5 课题来源 | 第20-21页 |
2 相关技术综述 | 第21-38页 |
2.1 Web服务基础知识 | 第21-24页 |
2.1.1 Web服务相关定义与规范 | 第21页 |
2.1.2 Web服务技术体系结构 | 第21-23页 |
2.1.3 QoS服务质量模型 | 第23-24页 |
2.2 推荐技术综述 | 第24-33页 |
2.2.1 基于内容的推荐算法综述 | 第25-27页 |
2.2.2 协同过滤推荐算法综述 | 第27-28页 |
2.2.3 基于近邻的协同过滤算法 | 第28-33页 |
2.3 相关技术基础 | 第33-37页 |
2.3.1 隐语义模型 | 第33-34页 |
2.3.2 概率矩阵分解模型 | 第34-35页 |
2.3.3 K-prototpye聚类方法 | 第35-37页 |
2.4 本章总结 | 第37-38页 |
3 基于网络位置与随机游走的Web服务推荐方法 | 第38-59页 |
3.1 引言 | 第38页 |
3.2 动机与贡献 | 第38-39页 |
3.3 方法框架 | 第39-40页 |
3.4 基于网络位置与随机游走的QoS预测方法 | 第40-51页 |
3.4.1 相似度计算方法 | 第40-42页 |
3.4.2 根据网络位置划分用户 | 第42页 |
3.4.3 随机游走模型 | 第42-43页 |
3.4.4 基于用户的随机游走模型流程 | 第43-50页 |
3.4.5 QoS预测 | 第50-51页 |
3.5 Web服务推荐 | 第51页 |
3.6 实验与分析 | 第51-58页 |
3.6.1 数据集描述 | 第51-52页 |
3.6.2 数据预处理 | 第52-53页 |
3.6.3 推荐算法评价方法 | 第53页 |
3.6.4 QoS预测结果分析 | 第53-57页 |
3.6.5 计算开销比较 | 第57-58页 |
3.7 本章总结 | 第58-59页 |
4 以矩阵分解为核心的Web服务推荐模型 | 第59-78页 |
4.1 引言 | 第59页 |
4.2 动机与贡献 | 第59-60页 |
4.3 方法框架 | 第60-61页 |
4.4 结合网络位置的K-prototype算法 | 第61-63页 |
4.4.1 基于QoS的混合属性向量 | 第61页 |
4.4.2 聚类初始点选择 | 第61-63页 |
4.4.3 结合网络位置的K-prototype聚类算法 | 第63页 |
4.5 基于聚类和隐式反馈的LFM模型 | 第63-66页 |
4.5.1 基于聚类的基准预测模型 | 第64页 |
4.5.2 结合隐式反馈的LFM模型 | 第64-65页 |
4.5.3 融合模型 | 第65-66页 |
4.6 基于聚类和隐式反馈的PMF模型 | 第66-71页 |
4.6.1 基于聚类的高斯分布模型 | 第66-69页 |
4.6.2 结合隐式反馈的PMF模型 | 第69-70页 |
4.6.3 融合模型 | 第70-71页 |
4.7 Web服务推荐 | 第71-72页 |
4.8 实验与分析 | 第72-77页 |
4.8.1 聚类结果分析 | 第72-73页 |
4.8.2 精确度计算方法 | 第73页 |
4.8.3 QoS预测结果分析 | 第73-74页 |
4.8.4 参数影响分析 | 第74-76页 |
4.8.5 计算开销比较 | 第76-77页 |
4.9 本章总结 | 第77-78页 |
5 总结与展望 | 第78-80页 |
5.1 本文工作总结 | 第78页 |
5.2 展望 | 第78-80页 |
致谢 | 第80-82页 |
参考文献 | 第82-88页 |
附录 | 第88页 |