论文题目：探索式服务组合中的服务模式挖掘与演化研究
摘要：随着服务化趋势的到来,Web服务、服务计算等技术相继形成与发展。众多服务在为人们的生活带来便利的同时,也存在着服务使用者无法预先明确业务需求、服务本身种类繁杂、服务组合效率较低的问题。探索式服务组合支持可控保障下的灵活服务编排,可解决用户需求不确定的问题。在用户逐步探索的过程中积累了成功的经验与失败的教训,若能将这些经验及教训保存为可复用的服务模式,可有效提高服务组合效率。服务模式并不是一成不变的,随着时间的推移,服务资源及用户需求不断发生变化,服务模式也需要随之进行演化,以保证服务模式的有效性。因此,如何构建服务模式模型,并对其进行高效地挖掘与演化是本文研究的重点内容。论文的主要研究工作及贡献如下:第一,提出一种服务模式挖掘方法,分别对成功服务组合流程与失败服务组合流程进行挖掘。首先建立一种服务模式模型,对服务模式进行形式化表达。之后,采用gSpan算法与本文所提失败服务模式挖掘算法（FSPMA）分别对两种服务组合流程进行高效挖掘,得到成功服务模式与失败服务模式。其中,FSPMA算法对gSpan算法进行扩展,将挖掘聚焦于失败服务组合流程的失败轨迹部分,实现失败服务模式的高效挖掘,实验表明,相较于面向整个失败服务组合流程进行挖掘的gSpan与TKG算法,其挖掘效率分别提升了 43%、50%。第二,提出一种服务模式演化方法,分别对成功服务模式与失败服务模式进行演化。该方法应用本文提出的基于时效性的增量式服务模式演化算法,对新增服务组合流程进行增量式挖掘,结合时间衰减公式,以较少的时间及资源成本获取最新的服务使用经验,实现服务模式的演化。其中,增量式方法可有效提高服务模式演化效率,实验表明,相比FSPMA与gSpan算法,使用增量式方法后算法运行时间分别下降了 40%、67%。第三,将所得服务模式应用于服务推荐,验证本文所提服务模式挖掘与演化方法的有效性。实验表明,相比传统服务推荐方法,使用服务模式的服务推荐方法,在精确率、召回率与F1值上均得到了有效提高。第四,设计和实现了服务模式挖掘与管理系统,主要包括三个模块:服务模式挖掘,服务模式管理与服务推荐。其中,服务模式挖掘模块实现两种服务组合流程的快速挖掘,生成相应的服务模式;服务模式管理模块对服务模式进行管理与演化;服务推荐模块应用挖掘与演化生成的服务模式进行服务推荐,辅助用户进行探索式问题求解。
关键词：探索式服务组合;服务模式;服务推荐;gSpan
学科专业：计算机科学与技术
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 研究问题及分析
1.3 国内外研究现状
1.4 本文主要研究内容
1.5 论文的组织结构
第二章 相关技术
2.1 服务模式挖掘
2.1.1 服务模式挖掘简介
2.1.2 基于日志的服务模式挖掘
2.1.3 基于流程的服务模式挖掘
2.2 服务模式演化
2.2.1 服务模式演化简介
2.2.2 服务模式演化方法
2.3 服务推荐
2.3.1 服务推荐简介
2.3.2 服务推荐方法分类
2.4 本章小结
第三章 服务模式挖掘方法
3.1 方法总体介绍
3.2 模型定义
3.3 GSPAN算法
3.4 失败服务模式挖掘算法
3.5 实验评价
3.5.1 实验环境
3.5.2 实验数据
3.5.3 实验评测
3.5.4 讨论与结论
3.6 本章小结
第四章 服务模式演化方法
4.1 方法总体介绍
4.2 服务模式演化类型
4.3 基于时效性的增量式服务模式演化算法
4.4 实验评价
4.4.1 实验环境
4.4.2 实验数据
4.4.3 实验评测
4.4.4 讨论与结论
4.5 本章小结
第五章 服务模式应用示例
5.1 传统服务推荐
5.2 服务模式在服务推荐中的应用
5.3 实验结果与分析
5.3.1 实验环境
5.3.2 实验数据
5.3.3 实验评测
5.3.4 讨论与结论
5.4 本章小结
第六章 服务模式挖掘与管理系统设计及实现
6.1 系统总体设计
6.2 系统详细设计
6.3 系统实现
6.3.1 探索式流程构造工具
6.3.2 服务模式挖掘模块
6.3.3 服务模式管理模块
6.3.4 服务推荐模块
6.4 本章小结
第七章 结论与展望
7.1 主要结论
7.2 研究展望
参考文献
致谢