基于协同过滤的服务评价方法的研究

论文摘要

随着服务的兴起,越来越多的服务被不同的开发商发布到网络上,完成相似功能的服务也越来越多。为了使提供给用户的服务更满足用户的需求,需要进行服务评价。服务评价作为服务发现和服务组装的基础,成为目前的一个研究重点。服务评价是指通过一套评价标准对服务质量进行计算,以反馈给用户更满意的服务。传统的服务发现方法并没有提供相应的服务评价方法,用户只是根据自己的经验对自己需求的服务进行选择。而随着服务的增加,用户对于服务评价方法的需求越来越迫切,因此出现了大量的服务评价模型来对服务进行评价。但是对于不同的用户、不同的服务,已有的服务评价方法通常都使用统一的模型来对服务进行评价,可不同的用户对于需求的服务可能是使用在不同的领域,对于服务的需求都存在着自身的偏好,这种自身的偏好在传统的服务评价方法中是没有体现的。为了解决上述问题,本文提出了一种CFSEM服务评价方法对服务进行评价,通过对传统的协同过滤方法进行分析,引入了基于用户-项的协同过滤算法,实现对服务评价因子的评价预测,并使用熵的方法计算服务评价因子在服务综合评价中所占的权重。之后根据服务评价因子的加权和得到服务综合评价值,根据评价值的高低向用户推荐服务。最后设计了一个服务推荐系统,该系统实现了对用户未评价过服务的挖掘,即实现了对用户未评价过服务的评价预测。之后提出的服务评价方法进行了实验,并且验证了该方法的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 服务概述
• 1.2.2 服务评价研究现状
• 1.3 协同过滤技术的引入
• 1.4 本论文的研究内容
• 1.5 论文的组织结构
• 第2章 协同过滤算法
• 2.1 推荐系统概述
• 2.2 推荐系统的相关技术
• 2.2.1 数据仓库
• 2.2.2 信息检索
• 2.2.3 信息过滤
• 2.2.4 数据挖掘
• 2.3 协同过滤推荐算法
• 2.3.1 基于用户的协同过滤算法
• 2.3.2 基于项的协同过滤算法模型
• 2.3.3 基于用户-项的协同过滤算法
• 2.4 分析
• 2.5 本章小结
• 第3章 CFSEM服务评价方法
• 3.1 CFSEM服务评价方法的基本思想
• 3.2 服务评价因子评价算法
• 3.2.1 服务评价因子
• 3.2.2 评价因子评价算法
• 3.2.3 服务评价因子评价算法复杂度分析
• 3.3 服务评价因子权重评定
• 3.3.1 熵的概念
• 3.3.2 服务评价因子权重评定算法
• 3.4 CFSEM服务评价方法
• 3.5 本章小结
• 第4章 服务推荐系统
• 4.1 概述
• 4.2 系统功能
• 4.3 系统框架
• 4.4 推荐系统的构成
• 4.5 数据库设计
• 4.6 系统类图
• 4.7 工作流程
• 4.8 本章小结
• 第5章 实验
• 5.1 实验方法
• 5.2 实验数据
• 5.3 实验环境的介绍
• 5.4 实验结果及分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢