| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景及意义 | 第13-17页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15-17页 |
| 1.2 Web服务推荐相关研究综述 | 第17-24页 |
| 1.2.1 Web服务QoS研究现状 | 第17-19页 |
| 1.2.2 Web服务QoS预测方法 | 第19-23页 |
| 1.2.3 Web服务推荐选取研究 | 第23-24页 |
| 1.3 主要研究内容 | 第24-25页 |
| 1.4 论文组织结构 | 第25-27页 |
| 第2章 考虑数据变化范围的Web服务QoS协同预测 | 第27-47页 |
| 2.1 研究背景 | 第27-28页 |
| 2.2 问题描述 | 第28-30页 |
| 2.3 基于高斯归一化的Web服务QoS协同预测方法 | 第30-37页 |
| 2.3.1 QoS数据高斯归一化映射 | 第31-32页 |
| 2.3.2 改进的皮尔逊相似性相似性计算 | 第32-34页 |
| 2.3.3 基于阈值过滤的相似近邻选择 | 第34-35页 |
| 2.3.4 基于用户和基于服务的混合协同预测 | 第35页 |
| 2.3.5 QoS预测值还原计算 | 第35-37页 |
| 2.4 实验与讨论 | 第37-44页 |
| 2.4.1 实验准备 | 第37页 |
| 2.4.2 度量指标 | 第37-38页 |
| 2.4.3 预测方法比较 | 第38-42页 |
| 2.4.4 阈值因子Sim的影响 | 第42-43页 |
| 2.4.5 调和参数 λ 的影响 | 第43-44页 |
| 2.5 实例验证分析 | 第44-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第3章 基于时序分析的Web服务QoS在线协同预测 | 第47-63页 |
| 3.1 研究背景 | 第47-49页 |
| 3.2 问题描述 | 第49-51页 |
| 3.3 QoS时序建模与分析 | 第51-58页 |
| 3.3.1 相似性计算 | 第52-53页 |
| 3.3.2 相似近邻选择 | 第53-54页 |
| 3.3.3 QARM协同过滤计算 | 第54-55页 |
| 3.3.4 QARS时序分析预测 | 第55-58页 |
| 3.4 实验与讨论 | 第58-62页 |
| 3.4.1 实验准备 | 第58-59页 |
| 3.4.2 QART密度的影响 | 第59-60页 |
| 3.4.3 不同数据集的影响 | 第60-61页 |
| 3.4.4 序列步长L和均值偏差分辨系数 ρ 的影响 | 第61-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第4章 融合显式QoS反馈和隐式地理用户的服务推荐 | 第63-82页 |
| 4.1 研究背景 | 第63-64页 |
| 4.2 用户地理位置与QoS反馈关系分析 | 第64-67页 |
| 4.3 基于用户地理位置感知的矩阵分解模型 | 第67-73页 |
| 4.3.1 预测框架 | 第67-68页 |
| 4.3.2 用户位置感知的近邻选择方法 | 第68-69页 |
| 4.3.3 用户位置感知的Web服务QoS预测建模 | 第69-72页 |
| 4.3.4 模型学习 | 第72-73页 |
| 4.4 实验与讨论 | 第73-81页 |
| 4.4.1 实验准备 | 第73页 |
| 4.4.2 预测方法比较 | 第73-76页 |
| 4.4.3 β 对ULMF的影响 | 第76-77页 |
| 4.4.4 Top-K对ULMF的影响 | 第77-78页 |
| 4.4.5 dim对ULMF的影响 | 第78-79页 |
| 4.4.6 λ 和 γ 对ULMF的影响 | 第79-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第5章 QoS数据驱动地理位置感知的Web服务协同推荐 | 第82-108页 |
| 5.1 研究背景 | 第82-84页 |
| 5.2 地理邻居数据分析 | 第84-90页 |
| 5.2.1 研究动机 | 第84页 |
| 5.2.2 基于树的地理邻居层次关系构建 | 第84-87页 |
| 5.2.3 地理邻居数量分析 | 第87-88页 |
| 5.2.4 地理邻居质量分析 | 第88-90页 |
| 5.3 地理位置感知的正则化矩阵分解模型 | 第90-99页 |
| 5.3.1 地理位置感知的服务推荐框架 | 第90-91页 |
| 5.3.2 自底而上的地理近邻选择算法 | 第91-93页 |
| 5.3.3 基于偏差的矩阵分解模型 | 第93-94页 |
| 5.3.4 地理近邻正则项构造 | 第94-95页 |
| 5.3.5 基于多元化相似近邻的正则项构造 | 第95-97页 |
| 5.3.6 融合地理近邻的影响 | 第97-98页 |
| 5.3.7 模型的训练和预测 | 第98-99页 |
| 5.4 实验与讨论 | 第99-107页 |
| 5.4.1 实验准备 | 第99页 |
| 5.4.2 准确性比较 | 第99-103页 |
| 5.4.3 参数Alpha的影响 | 第103-104页 |
| 5.4.4 邻居数量UK和SK的影响 | 第104页 |
| 5.4.5 维度d的影响 | 第104-106页 |
| 5.4.6 效率分析 | 第106-107页 |
| 5.5 本章小结 | 第107-108页 |
| 第6章 情境感知Web服务协同推荐平台原型系统 | 第108-125页 |
| 6.1 情境感知Web服务推荐平台的学术构想 | 第108-110页 |
| 6.2 Web服务协同推荐平台需求分析 | 第110-114页 |
| 6.2.1 Web服务协同推荐平台需求建模 | 第110-112页 |
| 6.2.2 Web服务协同推荐平台数据建模 | 第112-114页 |
| 6.3 Web服务协同推荐平台总体设计 | 第114-116页 |
| 6.3.1 Web服务协同推荐平台体系结构设计 | 第114-115页 |
| 6.3.2 Web服务协同推荐平台功能结构设计 | 第115-116页 |
| 6.4 Web服务协同推荐平台核心功能模块设计与实现 | 第116-124页 |
| 6.4.1 Web服务在线注册与发布 | 第116-118页 |
| 6.4.2 Web服务QoS动态监测 | 第118-121页 |
| 6.4.3 Web服务QoS协同预测 | 第121-123页 |
| 6.4.4 Web服务协同推荐 | 第123-124页 |
| 6.5 本章小结 | 第124-125页 |
| 结论 | 第125-128页 |
| 参考文献 | 第128-139页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第139-141页 |
| 致谢 | 第141页 |
广告服务 
