基于圖挖掘的服務推薦方法.pdf

1、隨著Web服務的爆炸式增長,如何處理信息過載、定位合適的Web服務變得越來越關鍵。目前已有很多相關的服務推薦方法,但很少有研究通過挖掘服務使用數(shù)據(jù)中的潛在知識進行服務推薦。本文對服務推薦和圖挖掘進行相關研究后,提出了一種基于圖挖掘的服務推薦方法。該方法根據(jù)圖挖掘的結果集擴展用戶組合了一半的Web服務并將擴展的結果推薦給用戶,來達到幫助用戶更快更好地進行服務組合的目的。
　　 本文提出的方法可以分為數(shù)據(jù)準備、數(shù)據(jù)處理和服務推薦三個

2、階段。數(shù)據(jù)準備階段和數(shù)據(jù)處理階段是服務推薦階段的基礎。數(shù)據(jù)準備階段的目的是得到數(shù)據(jù)處理階段所需的組合服務圖數(shù)據(jù)集。該階段主要可以分成兩步:1)對Web服務進行聚類;2)將執(zhí)行過的組合Web服務轉化為組合服務圖。數(shù)據(jù)處理階段的目標是挖掘出組合服務圖數(shù)據(jù)集中的頻繁子圖。為此,我們對gSpan算法進行了擴展和修改,使之可以用于組合服務圖的挖掘。服務推薦階段是整個方法中最主要的階段。該階段根據(jù)用戶組合了一半的Web服務和圖挖掘結果集進行推薦,主

3、要可以分成兩步:1)確定推薦的頻繁子圖;2)選擇最優(yōu)的組合Web服務。在確定推薦的頻繁子圖時,為了估計每個頻繁子圖滿足用戶需求的概率,我們設計了Score值的計算公式。在進行最優(yōu)組合Web服務的選擇時,需要計算出組合Web服務各個維度上的QoS值,為此我們分別針對分支關系和并行關系設計了相應的QoS計算公式。由于最優(yōu)組合Web服務的選擇比較耗時,我們利用skyline來加速該過程。
　　 本文基于1530個真實的Web服務準備了