面向大数据的可信服务推荐方法研究

《面向大数据的可信服务推荐方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码：10293密级：硕士学位论文论文题目：面向大数据的可信服务推荐方法研究_1013041116_学号姓名金伟晟导师王海艳_学科专业软件工程研究方向网络环境下软件理论与技术申请学位类别工学硕士论文提交日期2016年3月ResearchonTrustworthyServiceRecommendationinBigDataEnvironmentsThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngi

2、neeringByWeishengJinSupervisor:Prof.HaiyanWangMarch2016南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所知，，除了文中特别加标注和致谢的地方外论文中不包含其他人已经发表或撰写过。的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有不实，愿意承担切相关

3、的法律责任。心’会如Ｉ研究生签名：呼担日期：南京邮电大学学位论文使用授权声明本人授权南京邮电大学可Ｗ保留并向国家有关部口或机构送交论文的复印件和电子文档允许论文被查阅和借阅；可レッ将学位论文的全部或部分内容编入有关数据库进斤检索；；可、｜＾采用影印、缩印或扫描等复制手段保存汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研巧生院办理。涉密学位论文在解密后适用本授权书。研巧生签名；合（和豪导师签名：無心日期：斗摘要服务推荐是服务选择的重

4、要环节。随着社交网络的发展，网络规模和用户数量的急剧上升，分析处理用户数据的时间越来越长，在大数据场景下实现基于用户需求的服务推荐面临巨大挑战。当用户数据量很大时，传统的协同过滤服务推荐方法会遇到计算瓶颈，解决该问题的有效方法之一就是利用社交网络理论中的社团发现方法划分用户网络。但现有的社团发现算法的计算复杂度较高，当数据维度和规模增大时，需要的资源呈指数增长，大数据场景下的社团发现显得力不从心。另一方面，目前社团发现方法较少考虑用户信任对社团发现带来的影响，邻居中的恶意用户也在不断增多，降低了推荐结果的精确性。此外，如

5、何动态地加入新用户以及及时删除恶意用户也是比较棘手的问题。为实现大数据场景下高效、可信的服务推荐，将社交网络理论和信任理论的研究成果有机融合，本文提出了大数据场景下基于可信社团的服务推荐方法，具体工作如下：（1）本文在已有的信任模型理论研究成果的基础上考虑了信任随时间变化的特点以及信任的动态性建立用户间的信任关系，计算用户与服务提供者的信任度；同时，构建可信社团的优化方法，包括根据用户的兴趣偏好提出了新用户的加入方法以及利用信任关系和用户邻居的相似性发现并删除恶意用户的方法。仿真结果表明本文提出的恶意用户发现方法可以有效

6、的抵御恶意用户的攻击。（2）本文利用信任关系构建用户可信社团，并在此基础上提出了可信社团发现算法。利用该算法可以有效地划分海量用户，使相似的用户尽可能地聚集在同一个社团中。本文利用MapReduce框架将社团发现算法并行化处理，进一步提高算法的运行效率，并结合并行化的协同过滤推荐方法提出了大数据场景下的基于可信社团的服务推荐模型。仿真结果表明本文提出的服务推荐方法有效的提高了推荐质量和效率。（3）本文结合提出的服务推荐方法设计并实现了服务推荐原型系统与应用示范，通过应用示范的展示，有效的提高了服务推荐结果的精确度，降低了

7、恶意用户对服务推荐的影响，进一步说明了本文提出方法的可行性与有效性。关键词:大数据，服务推荐，可信社团，社团发现IAbstractServicerecommendationisanimportantpartofserviceselection.Withthedevelopmentofsocialnetworksareincreasingsoquicklythatserviceselectionbasedonuserdemandarefacingchallengesinthebigdataenvironments.Onee

8、ffectivewaytosolvetheaboveproblemistodividethesocialnetworkbythecommunitydetectionmethod.Butexistingmethodhasahighcomputationcost.Meanwhile,itdoesn’tconsiderth