一种面向移动应用的探索式服务组合方法

开放移动平台的涌现,加速了服务组合技术在移动应用开发过程中的应用和发展.当前的移动应用开发大多采用静态的服务分类聚集的组合方式,很容易引起功能过载和服务访问链过长的问题,严重影响了移动应用的易用性.针对这一问题,结合移动应用领域的特点,提出一种探索式服务组合方法.该方法通过感知上下文变化为用户构造当前环境下可用的服务集合,并通过交互将用户选择的服务即时地组合到应用中.基于上下文构造可组合的候选服务集合是其中一个核心技术,采用历史挖掘的算法,利用用户在不同上下文环境下选择服务的历史记录,挖掘出上下文与服务间的关联关系,以此作为匹配候选服务的依据.在关联规则挖掘方面,对传统的FP-tree算法进行了扩展,使其支持移动应用领域中二维数据项的挖掘.实验结果表明,扩展后的算法比传统算法在服务匹配方面具有更高的准确率和命中率.

面向探索式服务组合场景的即时服务推荐方法研究

探索式服务组合是针对复杂问题进行业务构造的一种服务计算模式,在这种半自动的服务组合环境下,准确高效的服务推荐技术是提升用户业务构造体验的重要方法.然而现有的主流服务推荐技术虽然对初始服务推荐具有很好的效果,但不适用于后继服务的推荐.鉴于后继服务的准确推荐对于用户进行业务构造具有的重要影响,提出一种适用于后继服务推荐的即时推荐方法,该方法首先利用Jaccard相似度算法和物质扩散算法对服务关联度进行计算,然后基于关联度来进行后继服务推荐,并在此基础上设计了单步和多步后继服务推荐策略.最后,基于Programmable Web网站的真实数据实验表明,本文提出的即时服务推荐方法能够比较有效的应用于探索式服务组合场景.

探索式服务组合中的增量式失败服务模式挖掘

为了有效提高服务组合效率,对探索式服务组合过程中大量可用于学习的服务组合流程进行挖掘,并将挖掘结果抽象为服务模式,其中针对失败服务组合流程进行的失败服务模式挖掘,提出一种探索式服务组合中的增量式失败服务模式挖掘算法,该算法对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,同时对新增服务组合流程进行增量式挖掘,以有效提高失败服务模式挖掘效率。实验评估表明,相比未采用增量式的失败服务模式挖掘算法和原始gSpan算法,所提增量式失败服务模式挖掘算法的挖掘效率均有显著提升。

一种支持最终用户探索式组合服务的方法

服务组合是构建面向服务、松耦合、高适应性的应用系统的主要途径.现行服务组合技术大多只适于构造需求明确、业务流程可预先定义的情况.然而,现实中存在大量需要边执行边探索、“摸着石头过河”式的问题求解形式.针对这类需求,结合网络化科研协作中的实际问题,提出一种最终用户可探索式服务组合的方法,重点讨论了探索式服务组合编程模型、服务推荐等关键问题.此外,从使用者角度对所提出的组合方法及其实现机制给予了定性分析和评价.

基于关联规则的高速铁路信息服务组合方法研究

随着高速铁路信息化与智能化的发展,移动应用不断涌现,基于服务组合的移动应用开发技术已成为高铁信息服务研究的热点之一。目前,服务组合主要采用静态的服务功能分类组合方法,这种方式未利用大数据挖掘的优势,难以解决服务功能过载的问题。针对此问题,提出一种基于关联规则的探索式服务组合方法,在服务组合中加入上下文信息,利用FP-growth优化算法实现对二维上下文项的挖掘,根据关联规则向用户推荐符合当前应用场景下的服务集合。在高速铁路信息服务组合试验中进行测试和验证,结果表明此方法可有效提高准确率和命中率,对未来的高速铁路移动服务组合技术发展提供了新的解决思路。