导读:本文包含了服务上下文论文开题报告文献综述及选题提纲参考文献，主要关键词:服务推荐,支持向量机,隐含上下文,评分矩阵
服务上下文论文文献综述
赵晨阳,王俊岭[1]（2019）在《基于隐含上下文支持向量机的服务推荐方法》一文中研究指出结合上下文信息和支持向量机(SVM),提出了一种基于隐含上下文支持向量机的服务推荐方法。首先,根据用户所处的不同上下文信息对用户评分矩阵进行修正,使其带有隐含的上下文信息;其次,将带有隐含上下文信息的服务评分向量作为服务的特征向量,构建训练集,上下文信息的引入并没有增加服务特征向量的维数;然后,根据训练集使用SVM获得目标用户的分类超平面,构建SVM预测模型;最后,计算目标用户未使用服务的特征向量点与超平面的距离,综合考虑该距离以及相似用户的推荐,做出服务推荐。实验结果表明,所提推荐方法在不同的评分矩阵密度下均具有较好的推荐精度,并且能够缩短推荐时间。(本文来源于《通信学报》期刊2019年09期）
黄毅[2]（2019）在《基于上下文溯源和语义规则的云服务信任评估研究》一文中研究指出针对当前云服务信任评估研究存在的问题,提出一种基于上下文溯源和语义规则的信任评估方案,保障云服务的可信性和安全性。引入数据溯源理念,在需求分析的基础上构建云服务信任评估框架,并就框架的各个功能模块进行了详细的论述和分析。运用PROV模型对云服务的上下文溯源信息进行了分析和描述,并设计了基于"提问-反馈"的语义评估规则,详细阐述了云服务信任度的计算过程。分析结果表明,该方案可以有效地搜集和描述云服务的溯源信息,并通过语义规则进行信任评估,具有较好的适用性,可以为提升云服务的信任评估水平提供借鉴。(本文来源于《电脑与电信》期刊2019年08期）
钟陈星,李杉杉,张贺,章程[3]（2019）在《限界上下文视角下的微服务粒度评估》一文中研究指出近年来,DevOps日渐火热,作为支撑技术的微服务架构由于其敏捷性、灵活性和可扩展性已成为软件行业关注的热点.然而,微服务粒度的界定是微服务领域的一项难题,至今仍缺乏行之有效的评估微服务粒度的标准.针对这一问题,结合几种微服务划分原则提出了4项评估指标,用于量化地衡量微服务划分的合理性,并基于此提出了一种基于限界上下文的微服务粒度评估模型.同时,实现了工具原型可自动化地计算评估结果.案例研究部分将模型的评估结果与架构设计人员的心理预期进行比较,结果表明,所提出的评估模型可以较好地评估微服务粒度.(本文来源于《软件学报》期刊2019年10期）
肖亦康[4]（2017）在《上下文感知的群组服务推荐研究》一文中研究指出随着互联网技术的飞速发展,为了应对网络上急剧增长的服务数量,满足不同用户个性化需求的推荐系统应运而生。传统的推荐系统较少考虑用户所处的上下文环境,而上下文信息对推荐系统的精确度和用户满意度的提升已得到充分验证。此外传统的推荐系统往往只针对单个用户,无法处理现实生活中的用户群组,另有研究表明将单个用户放入群组中能获得良好的推荐效果,因此本文对结合上下文的群组推荐开展了研究工作。主要工作如下:首先,从用户群组发现角度,本文主要针对现有群组发现方法中存在忽略用户倾向具有时间迁移性和群组可重迭性展开研究,提出了一种基于密度峰值聚类的动态群组发现方法。该方法首先通过动态泊松分解得到量化的用户动态倾向,然后通过高阶奇异值分解预测不同的时间上下文下用户对不同项目的倾向,最后根据计算所得的用户倾向构建高相似度用户集合,并利用改进的基于密度峰值的聚类算法对用户集合进行划分,实现群组发现。仿真实验结果表明,本文提出的群组发现方法具有更好的群组推荐效果。其次,从群组推荐的角度,提出一种基于核心用户群组和重启随机游走模型的群组推荐方法。从群组中挖掘满足最大覆盖率和最小倾向偏差的核心群组代替原有群组,然后通过重启随机游走模型获得核心用户群组与各项目间的偏好关系,最后利用偏好融合策略获得群组推荐结果。仿真实验的结果表明,本文提出的方法降低了计算复杂度,过滤了大量用户的干扰数据提高了推荐效果,同时有利于合理的推荐冷门项目。最后,本文基于以上的方法与理论,构建了基于群组发现和群组推荐的原型系统,并给出了一个餐饮推荐的应用示范。原型系统的构建遵循需求分析、概要设计、详细设计及实现等步骤,完成了用户动态倾向提取,用户群组划分,群组推荐等功能模块,验证了本文提出的算法可行性,展现了结合了时间上下文的群组发现方法和核心用户群组推荐方法在现实应用场景下的推荐效果。(本文来源于《南京邮电大学》期刊2017-10-26）
杨倩[5]（2017）在《基于上下文的VANET服务推荐中间件研究》一文中研究指出车载自组织网络(Vehicular Ad-hoc Network,VANET)由车辆和路边基础设施组成,按照约定的通信协议和数据交互标准,在车与车、车与路及车与互联网之间进行无线通信和信息交换。VANET中不同车辆的底层设备、网络、应用系统存在异质性,为了实现VANET中服务管理、数据调用的通用性,车载中间件技术作为应用层与嵌入层设备之间的纽带被广泛应用。随着VANET中服务数量和种类的增加,车联网中的信息激增问题变得愈加严重,因此如何按照个性化需求为用户推荐合适的服务成为目前车联网中亟需解决的问题。中间件可以有效屏蔽车辆底层设备的异构性,为应用软件提供统一通用的接口。本文首先提出一种基于上下文的VANET服务推荐中间件VSROSGi。该中间件利用OSGi(Open Service Gateway initiative)技术框架面向服务的优势,车辆可以动态地获取到发布在路边单元的服务资源信息,同时可以利用车辆上下文信息及历史服务数据进行服务数据处理。两种基于上下文的致力于增强服务个性化的推荐机制封装于此中间件,从而提高VANET中用户的服务满意度。其次,针对车辆自身状况限制和用户偏好的不同,提出一种基于上下文的服务推荐算法,根据车辆历史服务数据生成用户服务偏好模型,服务请求阶段根据车辆上下文对可选服务进行上下文推理,同时计算可选服务与用户偏好模型的相似程度和行驶距离等因素,为用户推荐满足车辆上下文约束且符合用户偏好的服务,提高用户的服务满意度。第叁,针对VANET中存在大量面向兴趣区域且无明确服务请求目标的应用场景,研究并设计了面向兴趣区域的VANET主动服务推荐算法。该算法结合众包思想,将兴趣区域内有过服务记录的车辆作为众包参与者,通过计算车辆间服务偏好模型的相似程度发现与服务请求用户具有相似服务偏好的车辆用户,将相似用户的服务选择推荐给服务请求者,实现为用户反馈符合其偏好的兴趣区域内多样化服务推荐。仿真实验结果表明,设计的服务推荐中间件可以为车辆用户提供符合上下文条件约束的个性化服务推荐,有效提高了用户服务满意度。(本文来源于《湖南大学》期刊2017-05-09）
王之唯[6]（2017）在《基于移动云计算的上下文感知服务推送方法的研究》一文中研究指出随着信息时代以及大数据的发展,人们逐步进入了信息过载的时代,大量信息的涌入使得用户对信息的筛选变成一件十分困难的事情。推送系统就是用来解决这个问题的重要工具。推送系统通过用户与服务之间的联系,为需求信息的用户提供有价值的服务信息,并未发布信息的用户找到合适的推送对象,实现信息收发双方双赢的局面,另信息利用率得到提升。但是传统推荐系统往往基于item-user的二元关系,通过对item或者user分析找出符合用户需求的推送信息。然而这些信息是静态的,无法描述用户当前环境下用户的偏好以及需求,因此推送的内容往往不能使用户满意。上下文感知推送在推送系统的基础上,着眼于将用户的当前地理位置、时间和偏好等周边信息作为隐式数据进行分析。随着用户当前上下文的不断变化,推送的内容也会不断调整,为用户推送的服务信息也会根据用户的当前环境不断变化。通过对原有推送算法的改进,可以有效的将用户的上下文作为用户的偏好信息影响最终推送的结果。本文提出一种融合了上下文感知计算的推送方法,通过特定的环境,能够为用户提供实时有效的服务推送内容。通过改进的推送算法,不仅能够有效的筛选有用的信息,并且能够自动的为用户删除冗余或者过时失效的服务内容,使得推送结果有效且简洁,推送性能也会较以往的推送算法有所提高。而通过将移动计算的引入,用户的上下文采集将会更为实时和精确,移动设备的移动性和智能化为上下文感知计算的上下文采集提供了更为有效且实时的信息来源。而云计算的引入可以有效的分担由大数据带来的数据计算压力,并且分散在各地的服务器之间跨平台协作障碍也能够得到解决,用户的信息将会在云端进行规整并共享给分布在各地的服务器。用户的个人数据的安全性也因云平台而得到保障。本文将会在先论述数据过载时代推荐系统如何有效的解决数据筛选和推送的问题,并列举一些常见的推送算法,将它们的优点和问题进行列举和比较,给出传统推荐系统和推送算法的不足之处。之后我们会给出上下文感知计算对于传统推荐算法不足之处的弥补,并且给出上下文感知计算在推荐领域的优势,从而引出基于上下文感知计算的推荐系统相较于以往的推荐系统更加优越的地方。最后我们将会通过阐述移动计算和云计算本身的特点,对于上下文感知计算的性能的改进和提升。从而体现本文所提出方法的有效性和价值。方法中包含了例如元数据、更新策略和EUD技术等方案在功能性和有效性上的改进。文章的最后我们会给出仿真模拟实验数据作为本文有效性和性能改进上的证明。(本文来源于《上海交通大学》期刊2017-04-01）
胡月[7]（2017）在《基于上下文感知的QoS预测的个性化服务推荐研究》一文中研究指出个性化推荐系统通过挖掘用户和项目的潜在关系,预测用户的偏好生成个性化推荐,已被成功应用到旅游、音乐、电影等领域。但随着云计算的发展,基于云环境的各类Web服务不断涌现,给个性化推荐技术带来了新的挑战。在海量拥有相同或类似功能的服务中,如何为用户推荐满足需求的高质量Web服务是本文主要的研究方向。本文针对基于上下文感知的QoS预测的个性化服务推荐展开了研究,主要工作如下:首先,本文依据用户-Web服务的二元关系和Web服务被调用时的上下文信息,提出了一种加权上下文相似度,根据上下文信息的各个属性对调用服务场景相似度的影响程度进行建模;其次,本文将加权上下文相似度应用到启发式的K-Modes聚类算法和层次聚类算法中,寻找相似上下文的用户和服务,使用基于用户聚类和基于Web服务聚类相结合的方法,对未知的用户-Web服务的QoS值进行预测,以解决用户-Web服务矩阵稀疏性的问题,并依据QoS生成推荐;最后,为了解决基于相似度的模型在高稀疏性条件下无法准确计算相似度,以及无法衡量不同上下文因素对Web服务的QoS值的交叉影响关系的问题,本文引入隐因子分解机对用户-Web服务二元关系和上下文信息进行直接建模,训练模型并预测QoS,并依据QoS生成推荐。本文使用包含Web服务调用记录的数据集WSdream dataset2,对吞吐量和响应时间这两个QoS指标进行了预测实验。实验结果表明,与之前的研究者的研究方法相比,本文提出的算法在RMSE和MAE两个评测指标上,均取得了很好的效果,证明了本文提出的算法的有效性。(本文来源于《北京邮电大学》期刊2017-03-13）
王慧玲[8]（2016）在《语义物联网中基于上下文感知的服务选择方法》一文中研究指出物联网(Internet of Things)是一个由各种智能传感设备组成的庞大网络。由于物联网信息的不完备性和不确定性阻碍了物联网中信息协调和交互,将语义技术引入物联网中,从而产生了语义物联网(Semantic Web of Things,SWoT)。语义物联网服务特征表现为海量性、开放性、动态性、不完全性和异构性,导致难以根据用户需求选择服务。为了解决这一问题,本文提出了一种语义物联网中基于上下文感知的服务选择方法。充分考虑用户选择时的语义、显性偏好、隐性偏好和上下文信息。首先,对于服务库中信息的模糊性和用户表达的不明确性,进行语义标注和分类使得信息更容易协同和交互,选择出满足用户需要的服务。其次,获得用户的显性和隐性偏好,选择出满足用户显性和隐性偏好的候选服务集。其中,显性偏好是由用户提出的需求直接获得,隐性偏好则由传感器所获得的用户上下文信息与模糊规则库经过推理机推理得到。再次,将候选服务集进行量化(离散化)和归一化处理,其结果作为萤火虫优化神经网络的输入,选择最佳萤火虫来确定神经网络的权重与阈值以提高训练效率,最终为用户返回有序的服务列表。为验证方法的可行性,本文设计了语义物联网中基于上下文感知的服务选择原型系统(SWoT-oriented context aware-based service selection prototype system,SWoT-CBSS)。该系统从功能上分为服务语义标注、服务分类、服务筛选和萤火虫优化神经网络四个模块,分别实现了语义标注、分类与选择功能。通过用户选择酒店服务对系统进行验证。结果表明,本文设计的SWoT-CBSS在查准率和查全率都有一定的保证,虽然响应时间略长,但总体上能够得到满足用户需求的服务。(本文来源于《大连海事大学》期刊2016-12-01）
柳来星[9]（2016）在《上下文感知的智慧城市空间信息服务关键技术研究》一文中研究指出rT技术的每一次重大进步都有力的推动了地理信息技术的发展。随着IT技术进入到普适计算时代,数字城市进入到了智慧城市时代,Web GIS进入了到了普适GIS时代,地理信息服务进入到了智能地理信息服务时代。智能地理信息服务能够感知用户的周围环境,根据模型来推理,从经验中学习和理解,执行地理空间任务。当前的地理信息服务集中在任何时间和任何地点传递任何消息给任何人,简单的称为4A服务,而智能地理信息服务提高4A服务到4R服务,即智能地理信息服务在正确的时间,正确的地点提供正确的信息给正确的人,简称4R服务。智能地理信息服务将会使得通过互联网实现信息发现和集成更加便利,并能够自动组合各种地理信息服务以提供增值的产品。智慧城市是数字城市与物联网相结合的产物,智慧城市是利用传感器构成城市物联网,获取城市中各种物体中的信息,并通过超级计算机和云计算实现各种信息的融合。通过智慧城市,可以实现城市的智慧管理及服务。智慧城市的挑战之一是构建可智能感知的、泛在化的空间信息服务,这就要求空间信息服务能更好地适应不断变化的上下文环境。本文称之为上下文感知的地理信息服务,此种服务是智能地理信息服务的实现。上下文感知的空间信息服务如何表达,上下文感知的空间信息服务如何发现和组合成为一个挑战性的问题。文本围绕上下文感知的空间信息服务的关键技术,针对上述问题,在以下几个方面进行了研究：1)构建了智慧城市的地理上下文本体。智慧城市中的地理上下文信息是任何刻画城市情景的信息,参考普适计算、城市计算、语用Web等方面研究中所建立的上下文模型,本文提出的地理上下文模型有七大类分别为空间维度,时间维度,社会维度,环境维度,技术维度,用户维度,任务维度等。其中空间维度是地理上下文的特有特征,包括位置、空间对象等。用户维度包含身份信息、职业信息、社会信息、偏好信息。环境维度包含天气、温度、湿度,污染、环境安全等。技术维度包含硬件、软件、数据、人机交互、信息技术安全等。社会维度主要包括文化(语言和习俗及规范)、社会资源、社会机构等。2)对上下文感知的空间信息服务进行了语义表达。本文使用地理上下文扩展OWL-S本体,表达上下文感知的空间信息服务(OWL-SGC)。OWL-SGC本体使用OWL-GCt本体使其具有感知地理上下文的能力。具体扩展就是建立OWL-S中的Service对象和OWL-GCt 中 GeoContext对象的关系。上下文感知空间信息服务需要对地理上下文的改变作出响应。OWL-SGC扩展OWL-S中的原子过程(AtomicProcess)使其前提条件和结果能够感知上下文的变化。为了表达外部地理上下文的前提条件和结果,OWL-SGC增加两个元素,地理上下文前提条件(GeoContextPrecondition)和地理上下文结果(GeoContextEffect)。地理上下文信息也可以作为输入输出的值,那么需要建立输入和输出与上下文之间的值的对应关系,增加了上下文绑定(GeoContextBinding)。3)上下文感知的空间信息服务的匹配。本文根据上下文感知的空间信息服务匹配的语义表达,提出了一个上下文感知的空间信息服务匹配框架,该框架是一个多层的匹配框架,涉及到的匹配对象有输入,输出,服务前提条件,服务效果,地理上下文前提条件,地理上下文效果。4)上下文感知的空间信息服务的组合。服务组合使用智能规划方法,先将OWL-S扩展模型转换为PDDL(Planning Domain Definition Language),再使用语义相似性技术,对PDDL的问题和领域文件进行增强,然后将PDDL文件输入满足PDDL规范的智能规划器进行规划,最后将规划结果转换为WS-BPEL(Web Services Business Process Execution Language)工作流语言,并将其输入到工作流引擎上运行。(本文来源于《武汉大学》期刊2016-10-01）
李德仁,柳来星[10]（2016）在《上下文感知的智慧城市空间信息服务组合》一文中研究指出智慧城市的功能之一是构建可智能感知的、泛在化的空间信息服务,并将这些服务按需求进行组合提供灵活的服务,这就要求空间信息服务能更好地适应不断变化的地理上下文环境。设计了上下文感知的空间信息服务的语义模型,该模型扩展了OWL-S本体,增加了地理上下文类、上下文前提条件类、上下文效果类和上下文绑定类以支持地理上下文和地理上下文适应性,并使用智能规划技术和语义增强技术,将上下文感知的空间信息服务组合转化为智能规划的求解过程,提高了服务组合精度。最后通过智慧旅游验证了上下文感知的空间信息服务组合方法的可行性和有效性。(本文来源于《武汉大学学报(信息科学版)》期刊2016年07期）
服务上下文论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前云服务信任评估研究存在的问题,提出一种基于上下文溯源和语义规则的信任评估方案,保障云服务的可信性和安全性。引入数据溯源理念,在需求分析的基础上构建云服务信任评估框架,并就框架的各个功能模块进行了详细的论述和分析。运用PROV模型对云服务的上下文溯源信息进行了分析和描述,并设计了基于"提问-反馈"的语义评估规则,详细阐述了云服务信任度的计算过程。分析结果表明,该方案可以有效地搜集和描述云服务的溯源信息,并通过语义规则进行信任评估,具有较好的适用性,可以为提升云服务的信任评估水平提供借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
服务上下文论文参考文献
[1].赵晨阳,王俊岭.基于隐含上下文支持向量机的服务推荐方法[J].通信学报.2019
[2].黄毅.基于上下文溯源和语义规则的云服务信任评估研究[J].电脑与电信.2019
[3].钟陈星,李杉杉,张贺,章程.限界上下文视角下的微服务粒度评估[J].软件学报.2019
[4].肖亦康.上下文感知的群组服务推荐研究[D].南京邮电大学.2017
[5].杨倩.基于上下文的VANET服务推荐中间件研究[D].湖南大学.2017
[6].王之唯.基于移动云计算的上下文感知服务推送方法的研究[D].上海交通大学.2017
[7].胡月.基于上下文感知的QoS预测的个性化服务推荐研究[D].北京邮电大学.2017
[8].王慧玲.语义物联网中基于上下文感知的服务选择方法[D].大连海事大学.2016
[9].柳来星.上下文感知的智慧城市空间信息服务关键技术研究[D].武汉大学.2016
[10].李德仁,柳来星.上下文感知的智慧城市空间信息服务组合[J].武汉大学学报(信息科学版).2016