[發明專利]一種基于社交網絡平臺的Web服務推薦方法

有效

• 申請號: 201310695891.2
• 申請日: 2013-12-17
• 公開（公告）號: CN103678618B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 許蕾;宮敏;李言輝;陳林;徐寶文
• 申請（專利權）人: 南京大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京天翼專利代理有限責任公司32112
• 代理人: 黃明哲

技術領域

本發明屬于計算機技術領域，涉及數據挖掘中的推薦方法，用于向用戶自動進行Web服務的推薦，為一種基于社交網絡平臺的Web服務推薦方法。

背景技術

Web服務通過標準的Web協議提供服務，從而保證不同平臺的應用服務可以進行相互操作。隨著互聯網技術的發展，Web服務的數量增長迅速，在為用戶提供多樣選擇的同時，也帶來了信息過載問題。因此，為用戶提供高效、精準的Web服務選擇和推薦算法，成為目前服務計算領域的熱點問題。

在諸多可供選擇的功能相同或相似的Web服務中，QoS值(Quality-of-Service)經常用來描述Web服務的非功能性特征，并且通常作為服務推薦的標準。QoS屬性分為用戶依賴性和非用戶依賴性屬性，其中一些非用戶依賴性的屬性（例如價格、流行性、可用性等），可以通過服務提供商或者第三方注冊機構獲得（例如UDDI）。而對于用戶依賴性的QoS屬性（例如響應時間、吞吐量等）則與用戶的位置和網絡狀況有非常直接的關系，以此作為用戶判斷Web服務是否滿足預期功能需求的依據。但僅以服務的QoS值作為對用戶進行個性化服務推薦的標準有以下不足：1）QoS值反映的只是服務和用戶之間的屬性關系，并未挖掘出用戶的潛在服務需求；2）當用戶使用服務的主觀意向不明確時，無法使用QoS值進行合適的推薦；3)QoS屬性的存在必然要求用戶使用某個服務，在增加用戶開銷的同時也會增加服務提供商的負擔。

協同過濾算法是推薦系統中最常用的算法，主要有基于內存的算法和基于模型的算法。基于內存的算法包括基于用戶的、基于物品的以及兩者的結合。基于用戶的協同過濾算法主要通過找到和目標用戶興趣相似度比較高的用戶來對目標用戶進行物品推薦；基于物品的協同過濾算法主要給目標用戶推薦與他們之前喜歡的物品相似的物品。基于模型的協同過濾算法是通過已有的用戶數據訓練出模型，然后根據模型對新用戶進行興趣預測。

使用協同過濾算法進行Web服務推薦有諸多限制，其中最重要的一點是目前可以使用的大規模的包含用戶真實評價的Web服務數據集太少。之前將協同過濾算法應用于Web服務的推薦工作通常都是在電影推薦數據集Movielens上進行。但考慮到Movielens數據集中服務種類的單一性，僅使用該數據集缺乏足夠的說服力。

眾所周知，目前最熱門的社交網絡有Facebook，Twitter和LinkedIn等。在社交網絡上，用戶可以與家人、朋友以及興趣愛好相同的人建立社會關系。與此同時，大部分的社交網絡都提供了“社會網絡連接服務(SNCS)”，允許第三方系統或平臺開發社會網絡應用并可以根據用戶設定讀取用戶社會網絡中的相關信息，例如Facebook?Platform，Google?Friend?Connect和MySpaceID，因此，所有相互連接的網絡系統就構成了一個龐大的社會網絡，里面包含了豐富的用戶信息，即個人信息和社會關系。

因此，在進行Web服務推薦時，可以使用社交網絡的用戶信息并充分挖掘用戶的潛在需求，對用戶做更為合理的服務推薦。同時，我們可以根據已有用戶的歷史行為分析出所提供服務的關聯程度，根據用戶的興趣標簽進行相應的服務推薦和預測，不需要用戶事先使用過相應的服務。

發明內容

本發明要解決的問題是：1）隨著用戶和服務的數量增加，Web服務推薦算法需要具有處理高維稀疏矩陣的能力，并且需要在短時間內給出推薦結果；2）現有的絕大多數的推薦系統不能發現詞語間的同義問題，會把含義相同或者相近的詞語劃分為不同的類別，如何在聚類過程中將隱含相同含義的詞語劃分為一類；3）在協同過濾算法的基礎上，如何解決冷啟動的問題，即發現一個新用戶與聚類結果中不同組用戶之間的聯系。