论文部分内容阅读
云计算的普适化以及互联网服务的本地化、移动化和社会化促进了互联网上可用服务的极大繁荣。使用这些服务的“个人”可分为服务供需关系中的“客户”和众包服务中参与众包服务任务的“服务提供者”两种身份。满足“客户”需求的核心问题在于如何根据客户个性化需求规划有效的服务方案,并在移动端应用和云服务地密切配合下加以执行;满足“服务提供者”需求的核心问题在于如何推荐给服务提供者恰当的众包服务任务。为了满足客户和服务提供者个性化和差异化需求,对当前以中介为核心的服务预测与推荐方法提出了机遇和挑战:(1)以中介为核心的服务预测与推荐方法在深度个性化方面遇到瓶颈;(2)以中介为核心的数据组织模式因多源异构个人服务数据的分散而难以支持基于个人服务数据相关性的服务预测与推荐;(3)未考虑服务提供者参与众包服务任务的社会偏好导致推荐众包服务任务的准确性遇到瓶颈。针对上述问题,本文以用户使用服务过程中产生的大量多源异构个人服务数据为线索,研究基于多源异构个人服务数据的服务预测、服务推荐和众包服务任务推荐方法。具体研究工作包括以下几个方面:(1)面向服务预测与推荐的个人行为与服务数据集成建模。由于当前个人服务数据的分散存储使得具有相关性的个人服务数据被隔离开,导致无法基于个人服务数据的相关性来追溯用户使用服务的相关性,因此需要先恢复不同个人服务数据间的相关性。研究基于时间感知与多源异构的个人行为与服务数据集成模型,该模型能够聚合用户分散在不同服务中的个人服务数据,恢复个人服务数据间原本存在的相关性,打破个人服务数据间的隔离;而且该模型能关注和表示个人服务数据随时间发生的变化。该模型的目的是使得服务预测与推荐方法能够在“以用户为中心的数据管理模式”下,利用个人服务数据间的相关性来追溯用户使用服务的相关性,进而制定个性化的服务预测与推荐方案。(2)基于个人服务数据变化模式与服务行为的服务预测方法。为服务供需关系中的“客户”预测未来可能使用的服务。传统服务预测方法仅关注单一服务行为或者未能足够考虑个人服务数据变化触发相关服务执行的情况,而本文考虑个人服务数据的变化对客户后续使用服务的影响。研究基于个人服务数据变化模式与服务行为的服务预测方法,该方法考虑了个人服务数据变化触发服务行为的模式。当客户产生了新的个人服务数据后,服务预测方法根据个人服务数据变化模式匹配到最可能使用的服务。为了评价该方法的有效性,采集了真实世界用户使用服务产生的历史个人服务数据,并在数据集上运行基于个人服务数据变化模式的服务预测方法和未能足够考虑个人服务数据变化的服务预测方法,实验结果表明所研究的方法比其它方法能够更准确的预测服务。(3)基于服务行为与个人关联数据的服务推荐方法。为服务供需关系中的“客户”推荐丰富的服务。相关工作中可用于服务推荐的方法对不同个人服务数据之间的相关性考虑不够充分。研究基于服务行为与个人关联数据(具有相互联系的个人服务数据)的深度循环神经网络模型,该神经网络模型融合了个人服务数据之间的相关性和服务行为序列的时间特征,打破用户使用服务的习惯,为用户推荐多种多样的服务。为了评价该服务推荐模型的有效性,采集了真实世界用户使用服务产生的历史个人关联数据,数据集分成训练集和测试集。在训练集中的个人关联数据用于训练神经网络模型,在测试集中采用训练好的神经网络模型和未考虑个人关联数据的方法推荐服务,并对比推荐服务的准确性。实验结果表明基于服务行为与个人关联数据的服务推荐方法比其它方法推荐服务的准确率更高。(4)基于个人社会偏好的众包服务任务推荐方法。指为众包服务中参与众包的个人推荐最恰当的众包服务任务,其中个人是作为众包服务任务的“服务提供者”身份。传统的众包服务任务推荐方法仅关注个人独自完成众包服务任务的偏好。然而,在个人参与多人协作的众包服务开发场景中,对个人的社会偏好考虑不够充分。研究基于个人社会偏好的众包服务任务推荐方法,用于推荐最恰当的众包服务任务给服务提供者。该推荐方法结合了个人参与众包服务任务的社会偏好。研究个人社会偏好建模方法,将个人社会偏好模型运用在众包服务任务推荐方法中,从而提高推荐准确率。为了评价该方法的有效性,采集了真实世界服务提供者参与众包服务任务的历史数据,实验将基于个人社会偏好的众包服务任务推荐方法和未考虑个人社会偏好的推荐方法运行在该数据集上,验证推荐众包服务任务的准确性。实验结果表明基于个人社会偏好的众包服务任务推荐方法比其它方法更准确。(5)服务预测与推荐原型系统。根据前面研究的面向服务预测与推荐的个人行为与服务数据集成建模、服务预测、服务推荐以及众包服务任务推荐方法,结合开源软件开发服务应用场景中真实的个人服务数据设计并研发了服务预测与推荐原型系统。