基于社會網(wǎng)絡的WebService推薦模型研究.pdf

1、最近幾年，分布式技術快速發(fā)展，WebService技術作為一種新型的分布式系統(tǒng)計算模型，其使用規(guī)模也在企業(yè)管理以及電子商務領域快速擴大，WebService推薦模型也應時而生，在WebService的推廣方面起到了巨大的作用。傳統(tǒng)WebService推薦模型分為兩種，一種是基于WebService功能的推薦，另一種則是基于協(xié)同過濾算法的推薦。但是這兩種推薦模型也存在各自的問題，基于WebService功能的推薦模型受限于完備的功能描述本

2、體庫以及準確的功能分析匹配算法，基于協(xié)同過濾的推薦模型則會受到數(shù)據(jù)密度以及系統(tǒng)冷啟動問題的影響。為了避免這些問題對推薦系統(tǒng)的巨大影響，本文另辟蹊徑，選擇時下熱門的社會網(wǎng)絡技術作為推薦參考，根據(jù)社會網(wǎng)絡中相似關系和信任關系對推薦參數(shù)的影響設計算法，提出基于社會網(wǎng)絡的WebService推薦模型。
　　首先研究了社會網(wǎng)絡中信任關系的度量方式和信任在社會網(wǎng)絡中的傳播機制。在直接信任關系度量方面，本文根據(jù)用戶公共好友列表規(guī)模來進行計算。而

3、信任傳播機制研究主要分為串行信任計算和并行信任計算兩個方面，分別選取距離比例法和取最大值法進行計算。
　　其次研究了社會網(wǎng)絡中相似關系的度量方式，分析了傳統(tǒng)相似性算法例如皮爾遜相關系數(shù)和余弦夾角相似性的不足之處，然后結合WebService的特點以及傳統(tǒng)相似性算法設計了基于Qos屬性參數(shù)的相似度計算公式，用來度量用戶之間相似度以及服務之間相似度。然后針對算法在數(shù)據(jù)量增大的情況下出現(xiàn)的性能方面下降的問題，提出了基于分團的相似度網(wǎng)絡過

4、濾方式，將具有相同興趣的用戶放在相同分團之中，同時根據(jù)設置閾值因子對分團中的相似度進行限制，最終過濾掉相似度較低節(jié)點之間的相似關系，提高相似度算法的準確程度。
　　結合兩個用戶節(jié)點之間相似推薦度和信任推薦度計算出綜合推薦度，然后聯(lián)合綜合推薦度與WebService質(zhì)量評估模型的屬性參數(shù)計算WebService的推薦度，最終根據(jù)推薦度高低進行WebService推薦。
　　最后本文針對三個模型設計相關實驗，分別對推薦結果的精確