面向业务融合的服务模型与推荐方法研究

In modern service industry, it is a key task to provide users with high-quality services of multiple dimensions and rich value. It has been an important way for innovation in service industry to fundamentally integrate the businesses across different fields, organizations and value chains. Meanwhile, along with the business integration, it is highly necessary to reconstruct and reorganize those existing services that support the previous businesses. Also, the utilization of existing services will become the key issue. So in front of large number of services, it becomes a primary task to fully leverage the contained information of service model, to further finish the precise service recommendation. Our proposal is around the research on service modeling and service recommendation that are oriented to business integration. On the one hand, we aim to break the limitation of existing service models, and establish the formalized hierarchical service model, which is from three aspects, including business concept, business realization and service quality. On the other hand, based on the influence of business integration on business conceptualization and business realization, we will propose a series of multi-dimensional service recommendation methods oriented to business integration. The proposed recommendation methods are devised from three aspects of business, i.e., utility behavior, collaboration behavior and collaboration quality. Our goal is to complete business integration with effective utilization of existing services. In the end, we will construct a preliminary system of service modeling and service recommendation, which is also oriented to business integration. This system is meant to verify and support the proposed methods and models. Our project is expected to promote the research and progress of modern service computing, as well as to promote the application of service computing in modern service industry.

将跨越不同行业、组织、价值链等的业务进行深度融合，为用户提供多维度、高质量、富价值的服务，已成为现代服务业的重要创新途径。然而业务融合必然引起对承载原业务的服务的整合和重构，这使得对已有服务的利用尤为重要。因此，面对海量服务资源，充分利用服务模型的描述信息，进行精准服务推荐成为首要任务。本课题围绕面向业务融合的服务模型和推荐方法展开研究，一方面突破现有服务模型的能力局限，从业务概念、业务实现和服务质量三个层面，建立形式化的服务层次化模型；另一方面针对业务融合对服务业务概念层和业务实现层的影响，从服务业务效用行为、协同行为和质量三个维度，提出面向业务融合的多维服务推荐方法，实现对现有服务的有效利用完成业务融合过程；最后构建面向服务业务融合的服务建模与推荐原型系统，为验证项目所提出的理论与方法提供支撑。课题成果对促进新型服务计算的研究与发展、推动服务计算在现代服务业中进一步应用具有重要意义。

业务融合是现代服务业发展的重要创新途径，通过业务融合企业可将跨越不同行业、组织、价值链等边界的业务服务、业务系统、业务解决方案甚至业务模式进行深度整合和模式创新。业务融合过程的实施将引起对承载原业务的服务的整合和重构，面对大量的服务资源，向技术人员精确推荐可用的服务进是实现业务融合的关键环节。本项目围绕面向业务融合的服务模型与推荐方法展开研究。探索分析企业业务融合的触发动机和实现机理，以及业务使用环境为现有服务模型和推荐方法带来的影响，重点突破服务业务效用行为推荐方法、服务协同行为推荐方法，以及不确定环境下服务QoS 预测方法等关键技术，取得的主要研究进展包括以下三个方面：.提出面向业务融合的服务建模方法，研究服务业务效用行为模型，用于刻画业务的数据实体特征、约束条件、业务状态、业务活动和业务过程等业务效用行为方面的信息；研究服务协同行为模型，该模型是服务在实现层面上的视图，服务是一个协同能力突出的融合体。同时以电子商务领域为例，提出了电子商务领域业务建模方法和支持组织架构变更的业务过程自适应技术，以电子商务领域中的概念术语和流程生命周期为描述对象，从概念描述和流程实现两个层面对电商业务进行建模。.提出面向业务融合的服务行为推荐方法，包括：针对现有方法缺乏上下文信息挖掘能力的问题，提出结合无监督的聚类算法与深度学习技术赋予了模型表征学习的能力，针对不同的数据密度下模型表现不稳定的问题，提出了一种重组网络结构对模型的表达能力进行控制，进而提升服务推荐效果；提出了一种基于异构图神经网络的服务推荐方法，充分利用业务融合场景下服务的特征信息和网络结构信息；提出了一种基于潜在语义特征的服务推荐方法，通过构建基于文本特征的服务相似矩阵引入服务语义信息以提升推荐准确度。.提出不确定环境下服务QoS预测方法，包括：提出了基于循环神经网络的服务QoS预测方法，实现网络环境不稳定情况下任意时刻的服务QoS预测；提出了基于环境特征的QoS预测方法，在充分考虑用户与服务所具有的环境特征基础上，通过一种基于环境特征的近邻选择方法，有效应对数据稀疏问题；提出基于数据增扩的服务QoS预测方法，有效缓解因网络的复杂与不稳定性造成的服务QoS数据稀疏问题。