《情境感知的雲服務質量協同預測與個性化推薦研究》是武浩為項目負責人，雲南大學為依託單位的地區科學基金項目。
基本介紹
- 中文名：情境感知的雲服務質量協同預測與個性化推薦研究
- 項目類別：地區科學基金項目
- 項目負責人：武浩
- 依託單位：雲南大學
項目摘要,結題摘要,
項目摘要
雲服務質量預測與推薦機制對輔助用戶選擇所需服務有重要支撐作用，而解決預測機制情境感知能力不足、缺乏有效的個性化服務推薦方法、協同預測數據稀疏敏感等問題是雲服務推薦的重要需求。針對這些問題，開展情境感知的雲服務質量協同預測與個性化推薦研究，包括：(1)針對泛在環境、稀疏數據條件的雲服務質量預測需求，研究基於稀疏線性思想的預測模型，繼而採用情境正則化、情境離差化等手段最佳化模型，實現情境感知預測；(2)為捕獲用戶個性化的服務需求，建立用戶興趣模型，研究利用隱含主題分析，實現情景感知的用戶偏好推理；(3)針對個性化雲服務選擇的複雜決策需求，基於證據理論研究具有系統性和完整性的推薦決策模型及其近似計算方法；並研發實驗系統輔助數據採集和算法測試。項目的實施將建立情境感知的雲服務質量預測與推薦方法體系，為泛在環境下的雲服務質量預測提供有效的支撐技術，為個性化的雲服務選擇提供新的解決思路。
結題摘要
雲服務質量預測與推薦機制對輔助用戶選擇所需服務有重要支撐作用，而解決預測機制情境感知能力不足、缺乏有效的個性化服務推薦方法、協同預測數據稀疏敏感等問題是雲服務推薦的重要需求。為此，本項目在情境感知的服務質量協同預測、用戶偏好建模與推理、服務個性化推薦與決策模型三個方面開展了深入研究，為泛在環境下的雲服務質量預測提供有效的支撐技術，為個性化的雲服務選擇提供新的解決思路。針對情境感知的服務質量協同預測，分別在鄰域模型、矩陣分解、深度神經網路、貝葉斯網路等基礎技術之上，建立了能夠融合利用服務上下文信息的預測模型和機制，通過機器學習方法最佳化模型參數，有效地解決了現有工作的不足，提升了預測效果。針對用戶偏好建模與推理，以帶有隱變數的貝葉斯網、D-S證據理論為用戶偏好建模的基礎，提出了從用戶評價數據建模用戶偏好、推理和分析用戶行為的一系列方法。比較系統地解決了，給定評分數據、用戶屬性等信息維度，實現用戶偏好建模和推理的能力。在服務個性化推薦與決策模型方面，針對如何利用多維信息進行雲服務推薦的問題，提出了融合矩陣分解、深度學習、對偶正則化的推薦模型，研究了集成用戶反饋、社交網路、推薦項目內容等輔助信息的多型算法。為了面向組合的API推薦，提出了基於圖的算法框架。項目實際發表學術論文近30篇，主要成果發表在IEEE Transactions on Services Computing、Future Generation Computer Systems、Knowledge-Based Systems、Neurocomputing、Applied Intelligence等服務計算、人工智慧等重要學術期刊上。在智慧財產權、人才培養方面取得了顯著成效。
