论文部分内容阅读
随着互联网和推荐技术的快速发展,推荐系统逐渐呈现出许多新的特性,这为推荐系统带来了新的挑战。Web服务推荐作为具有智能化特征,以满足潜在用户需求、主动推荐为手段的方法,使人们从主动寻找信息到通过推荐算法为用户进行个性化推荐的转变,并且有效地缓解了当前信息过载的问题,越来越引起人们的广泛关注。与传统的服务推荐相比,目前的服务推荐更加社会化和网络化,需要准确提取用户所处的情境和偏好,才能生成有效的推荐结果,但现有的服务推荐方法通常只注重情境信息,忽略了用户的社交关系。而这种关系能够提高推荐的准确性和有效性,因此,结合情境信息和社会化因素进行服务推荐的技术已经成为目前推荐领域的重要课题。本文以国家自然科学基金“移动环境下基于异构空间信息网络的社会化服务推荐研究”为支撑,引入异构空间信息网络的思想,通过半监督聚类和元路径链路预测算法挖掘各参与方之间的潜在关系,并结合一定的推荐策略,进而改进Web服务推荐效果。本文的主要研究工作如下:(1)分析了现有的Web服务的现状,对社交网络和异构空间信息网络的国内外研究现状进行了分析,并对本文的组织结构进行了描述。(2)针对现有的Web服务推荐的相关技术进行了分析,对异构网络中参与方的特征进行分析,并对参与节点之间的关系进行了度量,并构建了一个基于用户和服务的异构信息网络。(3)提出了基于半监督用户聚类和元路径链路预测结合的推荐算法,实现了对用户与用户之间关系的度量,并通过计算异构空间信息网络中的用户和服务,服务和服务,用户和用户三条不同的边的类型的权值进行计算,之后通过随机游走算法得出不同元路径之间的连接概率值。并通过实验,与传统的推荐算法对比,验证该算法的有效性。(4)通过对目前的Web服务推荐系统存在的问题进行分析,阐述了推荐系统的总体需求与设计,设计了基于半监督聚类和元路径链路预测的Web服务推荐系统,并详细描述了各个功能模块的具体的需求和流程。(5)采用了Java语言和My SQL数据库实现了该Web服务推荐系统的原型,给出了其中重要部分的功能效果图,并对该系统的功能进行测试。