基於異構服務網路分析的Web服務推薦研究

《基於異構服務網路分析的Web服務推薦研究》是依託重慶大學，由文俊浩擔任項目負責人的面上項目。

基本介紹

• 中文名：基於異構服務網路分析的Web服務推薦研究
• 項目類別：面上項目
• 項目負責人：文俊浩
• 依託單位：重慶大學

中文摘要

Web服務推薦是幫助用戶從大量服務中找到符合個性化需求的服務的有效方法，傳統的Web服務推薦大多從服務本身的屬性出發來預測用戶的服務偏好，而對於Web服務各參與方之間的關聯關係和潛在領域類別相關性考慮甚少，導致服務推薦結果潛在類別缺失、多類別排序混亂等問題。本項目擬採用異構服務網路分析的方法描述Web服務各參與方之間的關聯關係，研究異構服務網路描述、提取和更新機制，挖掘服務各參與方之間的潛在類別關聯，實現基於異構網路排序的Web服務聚類算法；針對服務推薦過程中的用戶反饋信息，設計半監督服務聚類算法指導服務聚類的最佳化；綜合考慮異構服務網路排序和聚類分析，實現潛在類別驅動的服務推薦及評估模型。本項目基於異構服務網路分析的Web服務推薦方法，突破了傳統的Web服務推薦大都局限於以服務屬性為計算依據的推薦思路，從服務的關係維度出發，有望在Web服務推薦方法和半監督服務聚類算法研究方面取得突破。

結題摘要

本項目採用異構服務網路分析的方法描述服務各參與方之間的關聯關係，研究異構服務網路描述、提取和更新機制，挖掘服務各參與方之間的潛在類別關聯；針對服務推薦過程中的用戶反饋信息，設計半監督聚類算法指導服務聚類的最佳化；綜合考慮異構服務網路排序和聚類分析，實現潛在類別驅動的服務推薦及評估模型。本項目取得以下四個方面的重要積極結果。 ①基於異構信息網路描述模型，提出了基於異構信息網路分析的排序方法。根據不同網路連線形式和排序規則，該排序方法定義了4種不同類型的排序函式。不同排序函式的實例分析對比研究表明，該排序方法可為網路分析提供基礎數據排序方法支撐。 ②針對協同過濾推薦方法存在計算相似度方式單一等問題，提出了基於距離度量與高斯混合模型的半監督聚類的推薦方法。傳統的協同過濾方法時間複雜度和用戶數的增長近似於平方關係，當用戶數很大時，計算非常耗時。本文提出利用聚類分析的方法替代用戶興趣的相似度計算，且綜合考慮了用戶行為偏好和物品內容信息。具體在聚類分析中，算法不僅考慮了數據的幾何特徵，也兼顧了數據的常態分配信息。 ③提出了基於支持向量機先分類再回歸的推薦方法。該方法根據“用戶-項目”關聯關係信息，構造特徵向量並訓練一個分類模型，預測項目的類別，形成一個初始推薦列表；然後，在該推薦列表上建立一個回歸模型，預測項目的具體評分；並且在建立分類模型和回歸模型時，採用提出的帶進化速度和聚集度的自適應粒子群最佳化算法，來最佳化預測模型。 ④針對推薦系統普遍存在的托攻擊問題。提出一種基於目標項目分析的托攻擊檢測框架，框架的思想是首先尋找有攻擊嫌疑的用戶概貌列表，根據這些非正常的用戶概貌組成的評分矩陣，通過目標項目分析模型，最後根據目標項目評分模型分析出攻擊意圖和目標項目，最後檢索托攻擊用戶。