基于張量分解的動態(tài)Web服務(wù)推薦

《基于張量分解的動態(tài)Web服務(wù)推薦》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、2016年9月第42卷第9期北京航空航天大學(xué)學(xué)報JournalofBeijingUniversityofAeronauticsandAstronauticsSeptember2016V01．42No．9http：ffbhxb．buaa．edu．cnjbuaa@buaa．edu．cnDOI：10．13700／j．bh．1001-5965．2015．0582基于張量分解的動態(tài)Web服務(wù)推薦張萬才，劉旭東。，郭曉輝(北京航空航天大學(xué)計算機學(xué)院，北京100083)摘要：在服務(wù)計算領(lǐng)域中，為了能夠在大量具有相同功能的Web服務(wù)以及API等數(shù)據(jù)資源中選擇適合用戶的服務(wù)和接口，提出了服務(wù)推薦

2、系統(tǒng)。當(dāng)前常用的基于服務(wù)質(zhì)量(QoS)的服務(wù)推薦系統(tǒng)所采用的模型假定服務(wù)的QoS值恒定不變，是一種由服務(wù)和用戶的二元關(guān)系構(gòu)成的二維靜態(tài)模型。針對實際應(yīng)用中，QoS是受到多種因素影響的變量這一問題，提出了一種可以描述多個影響QoS因素的張量模型，并利用張量分解算法來對服務(wù)推薦算法進行了改進。實驗結(jié)果表明：提出的基于張量分解的服務(wù)推薦算法與6種現(xiàn)有算法相比較，預(yù)測服務(wù)的QoS值的絕對平均誤差(MAE)不同程度地降低了20％～50％，并且所建模型能夠描述更多的影響因素，從而可對服務(wù)進行動態(tài)推薦。關(guān)鍵詞：服務(wù)計算；服務(wù)質(zhì)量；推薦系統(tǒng)；協(xié)同過濾；張量分解中圖分類號：TP399文獻標(biāo)識碼：

3、A文章編號：1001-5965(2016)09—1892—11推薦系統(tǒng)作為個性化服務(wù)研究領(lǐng)域的重要分支，通過挖掘用戶與項目之間的二元關(guān)系，幫助用戶從大量數(shù)據(jù)中發(fā)現(xiàn)其可能感興趣的項目，并生成個性化推薦以滿足個性化需求。如今，推薦系統(tǒng)在電子商務(wù)、信息檢索以及移動應(yīng)用、電子旅游、互聯(lián)網(wǎng)廣告等眾多應(yīng)用領(lǐng)域取得較大進展。Web服務(wù)是網(wǎng)絡(luò)化應(yīng)用軟件開發(fā)的基礎(chǔ)，隨著互聯(lián)網(wǎng)、云計算、移動計算和大數(shù)據(jù)等技術(shù)的快速發(fā)展，面向海量終端用戶的互聯(lián)網(wǎng)軟件服務(wù)不斷涌現(xiàn)，由它們組合而成的網(wǎng)絡(luò)化軟件已經(jīng)逐漸成為軟件的重要形態(tài)和發(fā)展趨勢。面向服務(wù)計算的體系結(jié)構(gòu)能夠無縫地把各種在線Web服務(wù)和API組合起來，形成

4、新的增值服務(wù)來滿足用戶需求。然而，隨著互聯(lián)網(wǎng)產(chǎn)業(yè)突飛猛進的發(fā)展，在線Web服務(wù)和API的數(shù)量正在飛速增長，如何從大量的網(wǎng)絡(luò)服務(wù)中快速有效地選擇出滿足用戶功能性和非功能性要求的服務(wù)已經(jīng)成為服務(wù)計算領(lǐng)域面I臨的一個重要問題，目前解決這一問題的主要技術(shù)途徑是服務(wù)推薦。主流的服務(wù)推薦系統(tǒng)在為用戶進行服務(wù)推薦時，主要考慮的是用戶偏好、服務(wù)應(yīng)用場景和服務(wù)質(zhì)量(QualityofService，QoS)等因素。其中，QoS作為一系列用戶可以感知和監(jiān)測到的非功能屬性，實際上成為了眾多服務(wù)推薦系統(tǒng)進行服務(wù)選擇和推薦的核心依據(jù)。大多數(shù)服務(wù)推薦系統(tǒng)使用協(xié)同過濾算法對用戶觀察到的QoS屬性信息進行挖掘

5、，找到與當(dāng)前用戶服務(wù)體驗相似的用戶，為當(dāng)前用戶預(yù)測其未使用過的服務(wù)QoS屬性值，并以此進行服務(wù)推薦。近年來，基于QoS的服務(wù)推薦技術(shù)受到學(xué)術(shù)界廣泛關(guān)注¨。1。A1．Masri和Mahmoud¨1構(gòu)建的服務(wù)檢索系統(tǒng)通過定期對系統(tǒng)內(nèi)所有的服務(wù)進行監(jiān)測，獲取相應(yīng)的QoS屬性的數(shù)值，并根據(jù)用戶選擇的QoS屬性預(yù)測值，對服務(wù)進行檢索。基于這些預(yù)測數(shù)據(jù)收稿日期：2015-09-08；錄用日期：2015—10-10；網(wǎng)絡(luò)出版時間：2016-03-2409：11網(wǎng)絡(luò)出版地址：WWW．cnki．net／kems／detail／11．2625．V．20160324．0911．001．html基金項

6、目：國家自然科學(xué)基金(61370057)；國家“863”計劃(2012AA011203)；國家“973”計劃(2014CB340304)}通訊作者：Tel．：010—82316285E—mail：liuxd@act．buaa．edu．cn引用格式：張萬才，劉旭東，郭曉輝．基于張量分解的動態(tài)Web服務(wù)推薦fJJ．北京航空航天大學(xué)學(xué)報，2016，42(9)：1892-1902．ZHANGWC．LIUXD．GUOXH．DynamicWebservicerecommendationbasedontensorfactorization【J]．JournalofBeijingUnivers

7、ityofAeronauticsandAstronautics，2016，42(9)：1892-1902(inChinese)．第9期張萬才，等：基于張量分解的動態(tài)Web服務(wù)推薦1893進行服務(wù)間相似度的計算，給出檢索和推薦結(jié)果。另外，該類系統(tǒng)中使用的QoS值通常與用戶自身感受存在一定差異。香港中文大學(xué)的鄭子彬等M1提出了一個基于用戶反饋的協(xié)同過濾算法的Web服務(wù)推薦系統(tǒng)，該系統(tǒng)對兩個可測量的QoS屬性(響應(yīng)時間和失敗率)進行用戶反饋信息的收集，使用協(xié)同過濾算法對QoS值進行預(yù)測，為提交反饋