[发明专利]一种基于主题和服务组合信息的web服务推荐方法

说明书

本发明公开了一种基于主题和服务组合信息的web服务推荐方法，其步骤是:1)获取用户web服务历史评分记录以及web服务的描述信息和服务组合信息；2)使用LDA模型获取服务‑主题矩阵，根据服务‑主题矩阵，计算web服务之间的主题相似度；3)计算web服务之间的服务组合相似度矩阵；4)根据主题相似度和服务组合相似度矩阵，选择每个web服务的邻居集合；5)将邻居集合以及相似度矩阵，与SVD矩阵分解模型融合，以预测评分；6)根据预测评分，选择评分最高的若干个服务进行推荐；本方法引入了对服务主题信息和服务组合信息的考虑，为web服务推荐引入了新的维度，提升了推荐精度，同时，能够解决部分服务推荐冷启动问题，具有广泛的市场前景。

技术领域

本发明涉及计算机网络服务技术领域，具体是一种基于主题和服务组合信息的web服务推荐方法，是用于web服务推荐的协同过滤方法。

背景技术

随着面向服务的框架(Servcie Oriented Architecture,SOA)的快速发展，互联网开始涌现了大量的web服务。Web服务(Web Service)是基于XML和HTTPS 的一种服务，其通信协议主要基于SOAP，服务的描述通过WSDL，通过UDDI 来发现和获得服务的元数据。Web服务就是一个应用程序，它向外界暴露出一个能够通过Web进行调用的API，能够用编程的方法通过Web来调用这个应用程序。随着Web 2.0技术的发展，一种新型的web服务mashup应用在因特网上逐渐流行，mashup应用将多个外部的数据源和服务整合起来，利用现有的web服务或者数据源，组合这些资源建立一个新的web服务，并且新的服务的价值大于所使用服务组合的简单叠加。根据web服务网站Programmableweb统计，截止到2017年9月，API的数量已达到14653，mashup的数量达到了6259。

面对大量的web服务，大部分用户由于缺乏足够的经验或者能力选择合适的服务，因此，为用户推荐一些适合自身需求的web服务成为了当务之急，推荐系统便是解决信息过载问题的有效手段之一，而协同过滤是推荐系统中最常用的方法。然而由于用户对web服务的历史信息非常稀疏，导致计算相似度不太准确，为了提高推荐的精度，当前很多方法考虑在传统的推荐模型中加入一些用户特征或者物品特征，例如，时间信息和功能主题信息。

然而，目前由于ProgrammableWeb等web服务网站在隐私保护方面的整改，用户的时间信息越来越难以获取，为此，我们考虑利用服务组合信息和功能主题信息，来有效地提升推荐效果。服务组合信息就是mashup应用对于原子web服务的调用关系，由于web服务的用户大多是技术开发人员，当用户喜欢某一个 mashup时，他们很可能对该mashup应用调用的web服务API也感兴趣，同时，引入服务组合信息也可以为推荐引入新的维度，可以为用户推荐那些在结构上相似的web服务。

发明内容

发明目的：针对现有技术中存在的不足，本发明提供一种基于主题和服务组合信息的web服务推荐方法。

技术方案：一种基于主题和服务组合信息的web服务推荐方法，具体步骤如下：

步骤1，获取用户对于web服务的历史偏好记录以及web服务的标签，描述，服务组合信息；

步骤2，利用LDA模型训练得出服务-主题矩阵，根据服务-主题矩阵，计算 web服务之间的主题相似度；

步骤3，根据web服务之间的服务组合信息，计算web服务的服务组合相似度；

步骤4，结合主题相似度和服务组合相似度，计算每个web服务的邻居服务的集合；

步骤5，结合主题和服务组合相似度，以及步骤4中的邻居服务集合，利用 SVD矩阵分解模型，预测用户对于每个web服务的评分；

步骤6，根据用户对web服务的评分，选出评分最高的若干个web服务，推荐给用户。