面向过程的Mashups教学资源聚合模型研究

为了降低教学资源的Mashups应用设计门槛!让一线教师(可能是不懂计算机技术的)也能够设计出适合自己的教学业务系统,本文提出将SOA、Web 2.0技术和Web服务集成到面向服务的教学业务应用上,以实现Mashups教学资源聚合模型。根据Mashups教学资源聚合模型的建模需求和原则,选择有效的建模符号(BPMN子集)及控制流模式(Processpatterns)!将其作为基础集扩展过程模版(Process templates)和过程片断(Process fragments),提出了一个轻量级教学资源聚合模型。通过构造一个教学资源(服务)聚合平台,为一线教师亲自构建个性化教学系统做出有效示范。如何丰富扩展建模语言和实现具有嵌有Web服务的引擎机制是未来研究方向。

基于主题模型的Mashup标签推荐方法

Web 2.0时代,标签作为Web资源管理和检索的有效方式已成为近年的热点研究对象.开发者通常为新的Mashup人工指定若干与功能性相关的标签,以便于用户理解、检索以及实现Mashup资源的分类管理.然而,手动指定标签十分繁琐且费时,自动生成Mashup标签十分必要但缺乏有效方法.针对该问题,文中提出一种基于主题模型的方法进行Mashup标签的自动推荐.该方法首先建立Mashups与Web Application Programming Interfaces(APIs)的描述文档以及Mashups与APIs之间的组合关系模型,然后寻找与待推荐标签Mashup的描述文档主题分布相似的Web APIs,并将它们与该Mashup直接组合的APIs合并,采用一种带权重的PageRank算法,从中挑选出最重要的APIs,最后将它们已有标签推荐给该Mashup.同时,针对所提方法文中设计实现一种标签排序算法,该算法优先推荐那些与Mashup主题最相关的标签.根据使用从ProgrammableWeb收集的真实数据进行实验可知,文中所提出的方法明显优于其他自动化标签推荐方法.

基于标签推荐的Mashup服务聚类

聚类Web服务能大大提高Web服务搜索引擎检索相关服务的能力。ProgrammableWeb.com是一个很流行的在线社会Mashup网站。作为基于Web的应用程序,Mashup本质上是开发者提供的Web服务。结合Mashup服务的描述文档和相应标签提出一种新颖的Mashup服务聚类的方法,此外还提出一种标签推荐的方法来改进服务聚类的性能。实验结果表明,基于标签推荐的服务聚类方法的聚类精度比其他两种实验方法要高,说明提出的标签推荐策略有效扩充了标签数较少的Mashup服务,从而带来更多相关标签信息,因而聚类效果更好。

基于云计算个性化e-Learning学习支持服务系统的设计

"以学为中心"的网络学习支持服务系统可以有效地辅助研究性学习的开展,因此,本文利用云计算、Mashup等技术,构建了一种基于云计算的网络学习支持服务系统。该系统基于研究性学习的信息需求模型,提供了概念图、学习活动、学习资源与信息主动推送、智能答疑和电子学档等知识性与非知识性的学习支持服务。试用表明,该系统的引入,有效地辅助了研究性学习的开展,它在对学生进行主动学习支持服务的同时,也帮助学生提高了学习兴趣,进一步推动了教学质量的提高。

融合功能语义关联计算与密度峰值检测的Mashup服务聚类方法

随着互联网上Mashup服务数量及种类的急剧增长,如何从这些海量的服务集合中快速、精准地发现满足用户需求的Mashup服务,成为一个具有挑战性的问题.针对这一问题,本文提出一种融合功能语义关联计算与密度峰值检测的Mashup服务聚类方法,用于缩小服务的搜索空间,提升服务发现的精度与效率.首先,该方法对Mashup服务进行元信息提取和描述文本内容整理,并根据Web API组合的标签对相应Mashup服务标签进行扩充.然后,用基于功能语义关联计算方法(Functional Semantic Association Calculation Method,FSAC)提取出各服务描述的功能名词集合,并通过功能名词的语义权重来构造Mashup语义特征向量.最后,通过基于密度信息的聚类中心检测方法(Clustering Center Detection Method based on Density Information,CCD-DI)检测出最为合适的K个Mashup语义特征向量作为K-means算法的初始中心,进行聚类划分.基于ProgrammableWeb的真实数据实验表明,本文所提聚类方法在纯度、精准率、召回率、熵等指标上均有良好表现.

移动互联网业务能力开放研究

移动互联网业务是通信领域最具发展潜力的业务,通过构建移动互联网业务能力开放环境,将移动网络特有元素通过API形式开放,可促进移动、互联网元素的融合,构建具有差异化的移动互联网业务。本文对移动业务能力开放关键特征和要素进行了分析,提出基于Mashup技术实现移动、互联网元素融合的业务能力开放平台,并结合能力开放平台通过移动互联网差异化应用案例进行验证分析。

基于Web服务的Mashup应用的研究与实现

Mashup的出现使得开发更加方便,随着越来越多的信息提供者公开自己的API,用户变成开发者加入到开发Mashup的队列中,各种新型的Mashup应用在网络上出现。Mashup作为Web2.0的特性,能够对数据资源进行整合与利用,提升数据价值。在论述Mashup技术特点的基础上,并讨论采用Mashup技术,实现数据共享和应用开发。提出了基于Web Service的商品信息系统技术框架。通过案例研究验证了基于Web Service来构建Mashup应用的可行性。表明Web Service和Mashup技术在信息系统中具有巨大的应用潜力。

Mashup聚合技术与网络学习

如何将Web2.0环境下的海量信息与服务整合到统一的网络学习环境中,有效地促进学习,是网络学习发展中逐渐引起思考的问题。基于SaaS的Mashup可以整合不同外部数据源的内容和功能,把松散的学习资源、要素、服务和功能进行集成,提供增值的、创新的服务和统一完整体验的Web应用系统,这将是未来网络学习系统重要的应用模式。基于Mashup的网络学习将有助于构建个人学习环境和学习网络,满足情境化学习需要,从而达到学习效果的最优化。

融合SOM功能聚类与DeepFM质量预测的API服务推荐方法

由于越来越多的企业和组织纷纷将自己的业务、数据或资源封装成服务,并通过API的形式发布到互联网上,API服务的数量呈现倍增趋势.在此背景下,如何从这样一个大规模的API服务集合中,快速有效地找到满足开发者用户Mashup需求的API服务,已成为一个挑战性问题.为此,本文聚焦于“推荐合适的API服务以构建高质量Mashup应用”问题,以面向服务内容的功能聚类为基础,结合基于多维服务质量的评分预测,提出一种融合SOM功能聚类与DeepFM质量预测的API服务推荐方法,用于创建高质量的Mashup应用.该方法首先采用Wikipedia 作为外部语料库扩充API服务文档的内容并利用HDP模型建模其主题分布.通过WikiExtractor抽取出Wikipedia中的语料数据,并利用Word2vec工具训练该语料数据获得其词向量模型.利用训练好的Wikipedia词向量模型对API服务描述文档进行扩充.针对扩充后的API服务文档,使用HDP主题建模技术,挖掘出其隐含的主题信息,自动确定最优主题个数,以准确地度量API服务文档之间的语义相似度.然后,采用SOM神经网络进行面向主题的API服务聚类.在HDP主题建模之后,对获得的“API服务文档-主题”向量采用SOM神经网络聚类算法进行主题聚类,通过自组织过程,将众多的API服务划分到不同的功能类簇中,每一个功能类中包含多个具有相似功能的API服务.接下来,针对API服务类簇中所有具有相似功能的API服务,利用DeepFM模型建模和挖掘其多维QoS属性之间的复杂交互关系,预测并排序API服务的质量得分.DeepFM模型自动地提取出QoS数据中(包括流行度、共现次数等)的有效的特征组合关系(包括高阶特征和低阶特征组合关系),预测并排序每一个API服务相对于目标Mashup应用的质量得分,推荐得分靠前的 N 个API服务给开发者用户.最后,在真实Web服务数据集上进行了实验比较与分析,实验结果表明:本文方法在准确率、召回率、纯度、熵、DCG、HMD等性能方面都要整体优于其它六种方法.相比于TF-IDF、LDA-K-CF、LDA-K-FM、HDP-K-CF、HDP-K-FM、HDP-S - FM,本文方法的准确率指标分别提升了196.2%、49%、33.8%、31.2%、12.3%、10.3%,DCG值分别提升了161.8%、26.4%、18.6%、16.2%、6.73%、4.5%.

基于用户兴趣和服务满足度的服务搜索和推荐算法

随着互联网中服务的不断增加,如何为目标用户自动并精准推荐软件服务正在成为软件服务技术大规模应用和推广过程中必须解决的关键问题。但由于获取用户使用服务的信息比较困难,所以现有的大部分研究方法没有考虑用户的兴趣,从而不能产生个性化的搜索和推荐。而Mashup开发模式不断广泛的应用,所提供的信息恰好为推荐提供了丰富、便捷的信息来源。因此,提出了一种基于用户、Mashup、服务、标签的服务社会化网络的搜索和推荐算法,此算法能同时推荐原子级服务和组合服务,并且既考虑了用户对服务的兴趣剖面,又考虑了服务对标签的满足度剖面。实验从准确率、召回率和平均绝对误差三个指标进行分析表明,算法具有较好的推荐效果。

Mashup关键技术研究

分析Mashup的三层体系架构,并从资源获取技术、表示层组件技术、服务器技术、融汇组织技术几个方面归纳并详细论述Mashup相关技术。资源获取技术从Web Feed方式、公共接口API方式、REST协议方式和屏幕抓取4个方面介绍;表示层组件分为Portlet与Widget两类;服务器技术以Kapow Mashup Server为例;融汇组织技术方面侧重融汇模式和编程语言及工具。最后指出目前存在的问题及未来的研究方向。

基于知识图谱的mashup研究可视化分析

借用文献计量学的方法首先对ISI Web of Knowledge数据库中收录的以mashup为主题的文献的研究力量分布进行分析,然后利用信息可视化软件Cite Space绘制出mashup研究的关键期刊、文献的知识图谱,对其进行详细的阐述。

基于代理的移动云服务访问机制的研究与实现

移动设备的计算能力、存储能力、网络带宽、电池续航等都非常受限,而且现有的云服务基本没有针对移动设备的上述特点做优化,严重降低了移动设备访问云服务的质量。针对存在的问题,提出了面向移动设备的数据传输格式优化模型和服务Mashup模型,设计并实现了一个基于代理的移动云服务访问框架,使得移动设备通过代理服务器来访问云服务。在4种不同情况下对移动设备的服务请求响应时间、响应结果处理时间、请求响应流量和能耗分别进行了测试,结果表明实现的框架具有一定的实际意义。

Mashup和3D全景技术在果园信息服务中的集成应用

休闲农业的发展对果园展示信息服务提出了更高的要求。管理者在发布种植经营信息的同时,希望能够更加直观地展示果园位置与实际情况。本研究提出Mashup和3D全景技术结合的果园信息服务集成应用框架,借助Mashup技术在集散数据集成方面的优势,采用Sogou Map API实现果园分布数据的空间展示和查询,利用3D全景技术实现果园种植情况的3D在线浏览。运用此技术方案开发福建省莲雾种植信息服务系统,系统展示直观、操作流畅、信息丰富、性能稳定,为用户带来全新的交互体验。

基于Mashup的推荐书目服务的实现

分析在图书馆特色信息服务中Mashup应用的必要性,针对双层增值指出现有Mashup应用的不足。以服务增值为原则,开发出一种图书馆推荐书目与书评信息的专业应用方案。

Mashup在图书馆的应用

文章介绍了一种正在Internet上逐渐兴起的Web2.0技术,基于Web数据集成的新型应用程序Mashup的分类和架构,并分析了这种新技术作为增进知识分享和交流的工具在图书馆的应用。

微学习环境下基于语义的MASHUP架构优化

针对目前MASHUP应用中非语义实现过程的弱描述性、低复用性等问题,探究当前微学习环境下MASHUP架构的语义实现方式并加以优化改进.基于分析以学习者为组织中心的微学习(microlearning)模式的内涵外延,论证了通过MASHUP网络聚合架构高效提取及有效整合网络中松散分布的同主题微内容的可能性.提出一种构建资源群组主题自动匹配的Net-Node网络混搭模型,通过资源子网内资源属性的路由搜索和串联匹配,实现微学习中MASHUP应用的微内容完全语义封装.

基于Web2.0的智能导学系统研究与设计

Web2.0作为网络发展的新时代,其去中心化、参与、分享、协作的理念,为智能导学系统设计带来了新的思路。RSS、Tag、SNS、Wiki、Mashup等作为Web2.0的代表性技术,为智能导学系统更好的实现交互性、共享性、开放性、自主性、协作性等基本特点,提供了有利的支持。运用相关认知理论、动态评价等理论的指导,将web2.0的新技术运用到智能导学系统,可以设计出导学功能更强、智能性更高的导学系统,体现以学生为主体的人本主义思想。

基于Mashup聚合技术对网络学习的有效支持探微

如何将网络中海量学习资源高效、快捷地组织到统一的网络环境中,有效地服务并促进网络学习,是当前网路学习发展中所面临的问题。Mashup作为一种新型聚合技术能将多个外部数据源进行整合,提供一种创新服务,成为未来网络学习的重要应用模式。针对网络学习中存在的问题,探讨了Mashup聚合技术对网络学习的有效支持,以期提高网络学习绩效。

Web2.0互联网应用技术研究

互联网进入了Web2.0时代。Web2.0应用技术、业务快速发展,并伴随着业务模式的创新与变革。文章分析了Web2.0时代互联网应用技术的发展对互联网业务发展的促进作用,探讨了Web2.0时代多种互联网应用技术实现Web2.0核心理念(包括用户参与理念、共享理念以及平台理念等)的方法,给出了互联网应用技术如何使互联网的业务提供能力得以提升的手段。