随着用户对Web服务质量要求和数量需求的提高,与Web服务相关的技术研究也得到了迅速发展。Web服务的发现,选择和推荐作为Web服务面向用户的重要过程和环节,在提升用户体验和服务质量方面有着极其重要的作用。 相对于经典的基于关键词搜索的服务发现方法,目前比较流行的是使用语义网技术来加强服务搜索和发现。即在描述用户的OWL和描述Web服务的OWL-S的基础上,结合描述逻辑和元规则推理来实现服务的选择匹配。这种方式能够较好地利用语义特征来实现逻辑推理,但是也存在缺点,比如对情境信息的利用不够,描述逻辑的推理能力有限,人为定义的元规则不能很好地覆盖用户行为模式等。针对以上问题,本文在用户本体,情境本体和服务本体的基础上,充分挖掘用户行为与服务选择之间的内在联系,设计了基于多维多层关联规则的服务推荐系统,能够为用户提供更为准确的服务匹配与推荐结果。 本文的主要内容包括:1)对现有的服务搜索技术和以关联规则为代表的用户行为模式数据挖掘技术进行了综述和分析。2)在用户本体,情境本体和服务本体的基础上,提出一种基于频繁模式挖掘和关联规则推理的服务选择方法以及相应的服务推荐平台:Association Rules Based Service Recommendation Platform(ARSR)。3)提出模糊匹配的概念并在本体的基础上,对已有的多维数据集进行多层关联规则挖掘。最后的实验结果表明基于本体层次结构的多维多层关联规则挖掘比单层挖掘算法在推荐结果的查全率和查准率上都具备一定的优势。
暂无评论