一种基于用户偏好特征建模的Web 服务推荐方法
【专利摘要】本发明公开了一种基于用户偏好特征建模的Web服务推荐方法，包括：1、从Web服务门户网站上收集Web服务，对收集的Web服务的服务角色、目标、流程和标签进行标注，并注册到Web服务平台中的服务注册库中，建立Web服务描述文档；2、从Web服务平台中收集用户的历史服务调用信息，生成用户对服务角色、目标、流程和标签的历史调用信息文档，并创建用户偏好文档；3、通过计算用户间的多维度的偏好相似度，并进行加权融合，产生用户的前N个偏好相似邻居，N≥1；4、将前N个偏好相似邻居用户调用最多的Web服务进行排序，生成最终的服务推荐列表。本方法适用于多种语言描述的Web服务，如WSDL描述的服务、OWL-S描述的服务以及文本语言等方式描述的Web服务，具有普适性。
【专利说明】一种基于用户偏好特征建模的Web服务推荐方法
【技术领域】
[0001]本发明属于服务计算【技术领域】与电子商务领域，特别涉及一种基于用户偏好特征建模的Web服务推荐方法。
【背景技术】
[0002]互联网的发展推动了网络和软件的有机融合，云计算技术的涌现则进一步加速了面向服务软件的开发与应用。面向服务的软件将软构件的功能以Web服务的形式发布从而促进异构平台间的软件复用，或者将软件以Web服务或SaaS(Software as a Service)应用的形式向用户交付。面向服务的体系结构(Service-Oriented Architecture, S0A)是实现分布、异构信息系统开发和集成的基础框架，而Web服务是SOA背后的关键性支持技术之一，它具有自包含、自描述以及模块化应用的特点，可在Web上发布、发现与使用。随着Web服务规模的增长与Web服务描述的异构性，导致用户搜寻自己感兴趣服务的难度和成本越来越高，为软件开发者有效发现、组合和重用Web服务带来了极大的挑战。另外，大量的服务因为访问量小被放在服务注册库中不为人知，这类服务中或许有一些是用户感兴趣的，但是没有外界的帮助，用户根本无法找到它们。因此，在动态多样的Internet服务市场中，Web服务发现是实现服务共享和复用的前提，而服务推荐是一种有效地促进Web服务发现和选择的技术，以主动感知用户需求的方式向用户推荐服务，提升用户的满意度。
[0003]个性化的Web服务推荐是服务推荐的主要研究方向，通常个性化方式推荐服务的过滤效果及推荐结果被用户接受的程度远大于非个性化推荐。个性化服务推荐就是利用个性化技术将用户的隐含需求组成过滤条件，对服务资源流进行过滤，把服务资源流中符合用户需求的内容提取出来进行推荐，一般包括用户建模、服务匹配和推荐输出三个步骤来实现。
[0004]目前，Web服务的个性化推荐研究主要包含以下几类:
[0005]I)基于语义技术的服务发现与推荐，该方法主要从语义相似的角度，建模用户的服务内容、主题、接口等偏好模型，然后依据偏好模型查找满足用户兴趣与需求的服务。但是这类推荐方法通常是面向单一类型服务的推荐，例如Web服务描述语言(Web ServicesDescription Language, WSDL)描述的服务、Web 服务本体语言(Ontology Web Languagefor Services, 0WL-S)描述的Web服务或者是自然语言描述的Web API (ApplicationProgramming Interface),因此,缺乏服务推荐应用的通用性。
[0006]2)利用服务的QoS (Quality of Service)等信息进行服务推荐,QoS属性包括响应时间，可靠性，可维护性等多个方面，但是由于Web服务QoS信息不稳定，通常需要在用户的客户端进行获取，因此，获取用户的QoS信息是难度很大的工作。不同用户对同一 Web服务的QoS感受通常存在一定差异。这种差异受多种因素的影响，如网络环境、编程语言、运行平台及主观感受等，如果简单地使用其它用户体验到的Web服务QoS进行预测而忽略用户个体因素，会很大程度上影响预测的准确性。
[0007]3)利用用户的社交网络信息进行服务推荐，该方法主要是从社会网络的视角发现用户间的潜在关联，进行服务发现和推荐。Maaradji A提出一种基于社会网络的服务组合方法，利用用户的社会网络所集聚的信息，动态地给用户推荐Web API服务。Jason J.J提出给予社交网络推荐情境感知的移动服务，通过挖掘社交关系来提供情境支持，通过邻居用户的情境来预测用户的情境，进而产生移动服务推荐。在利用社交网络信息推荐过程中，社交信息往往不全面，导致推荐信息单一化。
[0008]因此，针对互联网上Web服务规模剧增与Web服务异构性的特点，以及已有的Web服务推荐方法中存在的不足，如何进行准确、高效的Web服务推荐便成为服务计算领域中一个亟待解决的关键技术问题。
【发明内容】
[0009]针对上述Web服务推荐方法中存在的问题，本发明的目的是提供一种基于用户偏好特征建模的个性化Web服务推荐方法，本发明的方法可以适用于多种语言描述的Web服务，如WSDL描述的服务、OWL-S描述的服务以及文本语言等方式描述的Web服务，具有普适性。
[0010]本分明所采用的技术方案是:一种基于用户偏好特征建模的Web服务推荐方法，其特征在于，包括以下步骤:
[0011]步骤1:从Web服务门户网站上收集Web服务，对Web服务的服务角色、服务目标、服务流程和服务标签进行标注，并注册到Web服务平台中的服务注册库中，进而建立Web服务描述文档；
[0012]步骤2:从所述的Web服务平台中收集用户的历史服务调用信息，生成用户对服务角色、服务目标、服务流程和服务标签的历史调用信息文档，并创建用户偏好文档；
[0013]步骤3:通过计算用户间的多维偏好相似度，并进行加权融合，产生用户的前N个偏好相似邻居，其中N > I ;
[0014]步骤4:将所述的前N个偏好相似邻居用户调用的最多的Web服务进行排序，生成最终的服务推荐列表。
[0015]作为优选，所述的步骤1，其具体实现包括以下子步骤:
[0016]步骤1.1:从Web服务门户网站收集Web服务；
[0017]步骤1.2:针对收集的Web服务，根据IS0/IEC19763-7服务注册元模型框架作为指导，对所述的Web服务的服务角色、服务目标、服务流程和服务标签进行标注，并注册到Web服务平台中的服务注册库中，建立Web服务资源库；
[0018]步骤1.3:建立Web服务描述文档。
[0019]作为优选，所述的步骤2，其具体实现包括以下子步骤:
[0020]步骤2.1:从所述的Web服务平台中收集用户历史服务调用信息；
[0021]步骤2.2:针对所述的用户历史服务调用信息和所述的Web服务描述文档信息，生成用户对服务角色、服务目标、服务流程和服务标签的历史调用信息文档，并创建用户偏好文档；
[0022]步骤2.3:针对步骤2.2的结果，利用TF-1DF的方法得到用户偏好文档中单个服务角色、服务目标、服务流程和服务标签在各自偏好维度下的权重。
[0023]作为优选，所述的步骤3，其具体实现包括以下子步骤:[0024]步骤3.1:使用向量空间模型将用户的历史调用服务角色、服务目标、服务流程及服务标签分别转化为对应的向量空间集合；
[0025]步骤3.2:使用向量的余弦相似度计算方法，分别生成用户之间的服务角色偏好相似度、服务目标偏好相似度、服务流程偏好相似度和服务标签偏好相似度；
[0026]步骤3.3:针对步骤3.2的结果，将四个偏好相似度进行加权融合，生成用户整体偏好相似度；
[0027]步骤3.4:对用户的整体偏好相似度进行降序排列，生成与用户偏好最相似的N个最近邻居，产生用户的前N个偏好相似邻居，其中N > I。
[0028]作为优选，所述的步骤4，其具体实现包括以下子步骤:
[0029]步骤4.1:针对所述的N个偏好相似邻居，在每个邻居用户中选取一个该用户使用最频繁的服务加入到预定的服务推荐列表，如果该服务已经存在于预定的服务推荐列表中则选取次频繁使用的服务加入预定的服务推荐列表，依次类推；
[0030]步骤4.2:针对步骤4.1生成的服务推荐列表，再依据邻居用户调用服务的频繁度对上述服务推荐列表中的服务进行排序，生成最终的服务推荐列表；
[0031]步骤4.3:将所述的最终的服务推荐列表呈现给用户。
[0032]本发明首先利用IS0/IEC19763-7提供的服务注册元模型作为指导，对收集的Web服务进行标注，并注册到Web服务平台中，建立服务资源库。从用户的历史调用记录中获取其感偏好的服务角色、服务目标、服务流程和服务标签，然后从上述四个维度对用户偏好进行建模，利用多维向量空间模型表示用户偏好文档，计算用户在不同向量空间的偏好相似度，通过对多维度的偏好相似度进行加权融合，找到与用户整体偏好相似度最高的N个最近邻居，然后将N个最近邻居使用最多的服务推荐给用户。本发明的有益效果如下:
[0033]I)可以对通过WSDL、0WL-S和文本等方式描述的Web服务进行推荐，具有通用性；
[0034]2)该推荐方法克服了基于QoS信息进行服务推荐过程中QoS信息数据收集困难的问题；
[0035]3)对用户的偏好进行多维表示，克服了传统服务推荐过程中偏好表示方式单一、个性化差异度低的不足，提升了用户偏好的表征能力和用户的满意度。
【专利附图】
【附图说明】
[0036]图1:是本发明实施例的Web服务推荐流程示意图；
[0037]图2:是本发明实施例的用户偏好模型示意图；
[0038]图3:是本发明实施例的用户偏好文档示意图；
[0039]图4:是本发明实施例中多种方法推荐准确度对比统计图；
【具体实施方式】
[0040]以下将结合具体实施例和附图对本发明做进一步的阐述。
[0041]请见图1，本发明所采用的技术方案是:一种基于用户偏好特征建模的Web服务推荐方法，包括以下步骤:
[0042]步骤1:从Web服务门户网站上收集Web服务，对Web服务的服务角色、服务目标、服务流程和服务标签进行标注，并注册到Web服务平台中的服务注册库中，进而建立Web服务描述文档；其具体实现包括以下子步骤：
[0043]步骤I. I :从Web服务门户网站收集Web服务；
[0044]步骤I. 2 :针对收集的Web服务，根据IS0/IEC19763-7服务注册元模型框架作为指导，对所述的Web服务的服务角色、服务目标、服务流程和服务标签进行标注，并注册到Web服务平台中的服务注册库中，建立Web服务资源库得；其中，服务角色表示该服务所面向的用户群体，例如“导航服务”的角色包括“司机”、“旅游者”等，服务角色标注可以不唯一，不能为空。服务目标表示服务所能达到的目标和实现的功能，例如“导航服务”的目标有“导航”，“定位”等，服务目标可以不唯一，不能为空。服务流程表示服务经常被组合集成使用的业务流程，例如“导航服务”经常被集成到“物流配送流程”中使用，服务流程可以为空。服务标签是指用来表征服务特征的关键字，可以由服务提供商或用户提供，如“导航服务”的标签包括“GPS”、“北斗”、“自动驾驶”等，服务标签不能为空，可以不唯一。服务角色、服务目标、服务流程以及服务标签的标注信息通常由领域专家提供；
[0045]步骤I. 3 :建立 Web 服务描述文档（Service Description Profile, SDP) ;Web 服
务描述文档可以表示为四个矩阵：服务角色描述矩阵4 服务目标描述矩阵d 服务流程描述矩阵和服务标签描述矩阵為，，其中n为服务个数，k:为Web服务资源库中所有服务涉及角色的个数，k2为Web服务资源库中服务涉及目标的个数，k3为Web服务资源库中服务涉及流程的个数，k4为Web服务资源库中服务涉及标签的个数，以下为上述矩阵的示例：
[0046]
【权利要求】
1.ー种基于用户偏好特征建模的Web服务推荐方法，其特征在于，包括以下步骤： 步骤I :从Web服务门户网站上收集Web服务，对Web服务的服务角色、服务目标、月艮务流程和服务标签进行标注，并注册到Web服务平台中的服务注册库中，进而建立Web服务描述文档； 步骤2 :从所述的Web服务平台中收集用户的历史服务调用信息，生成用户对服务角色、服务目标、服务流程和服务标签的历史调用信息文档，并创建用户偏好文档； 步骤3 :通过计算用户间的多维度的偏好相似度，并进行加权融合，产生用户的前N个偏好相似邻居，其中NSl; 步骤4 :将所述的前N个偏好相似邻居用户调用的最多的Web服务进行排序，生成最終的服务推荐列表。
2.根据权利要求1所述的基于用户偏好特征建模的Web服务推荐方法，其特征在于：所述的步骤1，其具体实现包括以下子步骤： 步骤I. I :从Web服务门户网站收集Web服务； 步骤I. 2 :针对收集的Web服务，根据ISO/IEC 19763-7服务注册元模型框架作为指导，对所述的Web服务的服务角色、服务目标、服务流程和服务标签进行标注，并注册到Web服务平台中的服务注册库中，建立Web服务资源库； 步骤I. 3 :建立Web服务描述文档。
3.根据权利要求1所述的基于用户偏好特征建模的Web服务推荐方法，其特征在于：所述的步骤2，其具体实现包括以下子步骤： 步骤2. I :从所述的Web服务平台中收集用户历史服务调用信息； 步骤2. 2 :针对所述的用户历史服务调用信息和所述的Web服务描述文档信息，生成用户对服务角色、服务目标、服务流程和服务标签的历史调用信息文档，并创建用户偏好文档； 步骤2. 3 :针对步骤2. 2的结果，利用TF-IDF的方法得到用户偏好文档中单个服务角色、服务目标、服务流程和服务标签在各自偏好维度下的权重。
4.根据权利要求1所述的基于用户偏好特征建模的Web服务推荐方法，其特征在于：所述的步骤3，其具体实现包括以下子步骤： 步骤3. I :使用向量空间模型将用户的历史调用服务角色、服务目标、服务流程及服务标签分别转化为对应的向量空间集合； 步骤3. 2 :使用向量的余弦相似度计算方法，分别生成用户之间的服务角色偏好相似度、服务目标偏好相似度、服务流程偏好相似度和服务标签偏好相似度； 步骤3. 3 :针对步骤3. 2的結果，将四个偏好相似度进行加权融合，生成用户整体偏好相似度； 步骤3. 4 :对用户的整体偏好相似度进行降序排列，生成与用户偏好最相似的N个最近邻居，产生用户的前N个偏好相似邻居，其中N≥I。
5.根据权利要求1所述的基于用户偏好特征建模的Web服务推荐方法，其特征在于：所述的步骤4，其具体实现包括以下子步骤： 步骤4. I :针对所述的N个偏好相似邻居，在每个邻居用户中选取ー个该用户使用最频繁的服务加入到预定的服务推荐列表，如果该服务已经存在于预定的服务推荐列表中则选取次频繁使用的服务加入预定的服务推荐列表，依次类推； 步骤4.2:针对步骤4.1生成的服务推荐列表，再依据邻居用户调用服务的频繁度对上述服务推荐列表中的服务进行排序，生成最终的服务推荐列表； 步骤4.3:将所述的最终的服务推荐列表呈现给用户。
【文档编号】G06F17/30GK103544623SQ201310547709
【公开日】2014年1月29日 申请日期:2013年11月6日 优先权日:2013年11月6日
【发明者】何克清, 张秀伟, 王健, 王翀, 刘建晓, 陈荆亮 申请人:武汉大学