近年來,隨著軟件即服務理念的流行和Web服務技術的發(fā)展,越來越多的企業(yè)和組織將自己的數(shù)據(jù)和業(yè)務以Web服務的形式發(fā)布在互聯(lián)網(wǎng)上,通過向客戶和第三方開發(fā)人員開放Web服務以增加商業(yè)價值。隨著Web服務數(shù)量的增長和功能的日益豐富,通過有效地組合不同功能的Web服務,可以幫助用戶開發(fā)功能更加強大的應用或增值服務（例如Mashup）。服務組合已成為一種非常流行的軟件開發(fā)方式,然而,現(xiàn)實中通過組合Web服務開發(fā)軟件仍然是具有挑戰(zhàn)的任務。一方面,用戶對Web服務生態(tài)系統(tǒng)中的組合模式缺乏了解,可能無法提出有意義的Web服務組合需求。另一方面,對于互聯(lián)網(wǎng)平臺上的數(shù)量龐大的Web服務資源,用戶很難快速發(fā)現(xiàn)滿足自己需求的Web服務。為了解決上述問題,本論文研究Web服務的組合模式挖掘及組合模式感知的服務推薦方法。首先,考慮到Web服務的標簽體現(xiàn)了對標注資源的功能概括和描述,通過挖掘服務組合中的標簽共現(xiàn)關系來發(fā)現(xiàn)服務之間的組合模式,這些組合模式反映了哪些服務功能的組合是比較有意義或有價值的。然后,將組合模式和最新的推薦技術相結合為Mashup用戶自動推薦合適的Web服務。本文的主要貢獻如下:（1）提出了一種... 

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 Web服務推薦
        1.2.2 Web服務組合模式
    1.3 論文的主要貢獻
    1.4 論文的組織結構
第2章 理論基礎與相關技術
    2.1 Web服務及相關知識
        2.1.1 Web服務的概念
        2.1.2 Web服務標準及協(xié)議
        2.1.3 Web服務體系結構
        2.1.4 Mashup
    2.2 關聯(lián)規(guī)則挖掘技術
        2.2.1 關聯(lián)規(guī)則的定義
        2.2.2 Apriori算法
        2.2.3 FP-growth算法
    2.3 常見的推薦技術
        2.3.1 基于記憶的推薦技術
        2.3.2 基于模型的推薦技術
    2.4 本章小結
第3章 基于關聯(lián)規(guī)則挖掘的Web服務組合模式發(fā)現(xiàn)
    3.1 研究背景與動機
    3.2 技術框架
    3.3 Web服務組合模式挖掘
        3.3.1 基于TF-IDF的 Web服務標簽擴展
        3.3.2 Web服務標簽處理
        3.3.3 基于FP-growth的 Web服務標簽關聯(lián)規(guī)則挖掘
        3.3.4 獲取Web服務組合模式
    3.4 實驗結果及分析
        3.4.1 實驗數(shù)據(jù)集
        3.4.2 實驗結果
        3.4.3 方法比較
        3.4.4 評價指標
        3.4.5 評價結果
    3.5 本章小結
第4章 組合模式感知的Web服務推薦
    4.1 研究背景與動機
    4.2 技術框架
    4.3 組合模式感知的Web服務推薦方法
        4.3.1 組合模式挖掘
        4.3.2 共現(xiàn)性和流行度
        4.3.3 深度因子分解機模型
        4.3.4 基于組合模式和DeepFM的 Web服務推薦方法
    4.4 實驗與評估
        4.4.1 數(shù)據(jù)集選取與實驗設置
        4.4.2 評價指標
        4.4.3 方法比較
        4.4.4 評價結果
        4.4.5 實例分析
    4.5 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
附錄A 攻讀學位期間發(fā)表的論文與科研成果清單
附錄B 攻讀學位期間所獲的獎項
致謝


【參考文獻】：
期刊論文
[1]基于主題模型的Mashup標簽推薦方法[J]. 劉建勛,石敏,周棟,唐明董,張婷婷.  計算機學報. 2017(02)
[2]關聯(lián)規(guī)則挖掘綜述[J]. 崔妍,包志強.  計算機應用研究. 2016(02)
[3]XML的兩種主要驗證機制[J]. 陳娟.  電腦知識與技術. 2015(13)
[4]國內(nèi)外社會化標簽挖掘研究綜述[J]. 蔣盛益,陳東沂,王連喜,龐觀松,楊博泓.  圖書情報工作. 2014(21)
[5]基于貝葉斯網(wǎng)絡的上下文推薦算法[J]. 海本齋,解瑞云.  計算機科學. 2014(07)
[6]基于情境的Web服務推薦方法[J]. 古凌嵐.  計算機工程與設計. 2014(03)
[7]面向Web服務組合推薦的關聯(lián)規(guī)則研究[J]. 聶規(guī)劃,羅跡,陳冬林.  武漢理工大學學報(信息與管理工程版). 2012(05)
[8]Web服務互操作標準概述[J]. 董建,袁媛,王潮陽.  信息技術與標準化. 2012(04)
[9]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應用. 2012(07)
[10]Mashup研究綜述[J]. 祁曉暉,鄭滔.  計算機應用. 2010(S1)

博士論文
[1]推薦系統(tǒng)中協(xié)同過濾算法若干問題的研究[D]. 張亮.北京郵電大學 2009

碩士論文
[1]基于聚類的推薦算法研究與應用[D]. 李俊.南京郵電大學 2018
[2]注意力分解機[D]. 葉豪.浙江大學 2018
[3]一種基于因子分解機和主動學習的新電影推薦方法[D]. 薄玲玲.西北大學 2018
[4]基于聚類和矩陣分解的推薦算法的研究與改進[D]. 周超.青島大學 2018
[5]Web日志關聯(lián)規(guī)則挖掘方法研究與應用[D]. 譚博聞.重慶郵電大學 2016
[6]基于隨機游走的Web服務推薦算法研究[D]. 戴小玲.湖南科技大學 2016
[7]基于FP-tree關聯(lián)規(guī)則挖掘算法的研究與應用[D]. 易月娥.湖南大學 2007



本文編號：3663527