社交网络环境下基于动态信任建模的云服务推荐方法研究

Cloud service recommendation is a critical technology for dealing with information overloading in cloud service selection, and it also supports the automatic mass customization of cloud service for open platform providers. To improve the efficiency and pervasiveness of service recommendation in social networks, this project aims to study a novel cloud service recommendation method through integrating dynamic trust modeling and collaborative filtering, and main research points are listed as follows. . Firstly, we will create a comprehensive trust metric for service users, and develop the trust-based social network model for cloud service recommendation. On the basis, the virtual community detection and structure evolution mechanism will be researched. . Secondly, based on the demand analysis of cloud service recommendation in social network, we will develop personalized cloud service recommendation methods, and then propose a dynamic recommendation mechanism. The new cloud service recommendation methods integrate both the trust relationships between users and multiple functional or QoS attributes. . Thirdly, to verify the validity of our proposed methods, we will also conduct a case study of APP service recommendation based on Tencent open platform. . In summary, this project not only advance the systematic analysis of cloud service user interests mining and personalized recommendation in social networks, but also significantly help to enrich and deepen the theoretical system of cloud service recommendation system.

云服务推荐是解决云服务选择过程中信息超载问题的重要途径，也是开放平台运营商进行自动化大规模定制的关键路径。为了提升社交网络环境下云服务推荐的效率和普适性，本项目通过引入信任度量方法和协同过滤推荐机制，探索研究基于动态信任建模的云服务推荐方法，主要内容包括：1）建立云服务用户间的信任综合度量，提出面向云服务推荐的社交网络表示模型，并研究面向特定云服务需求的虚拟社区发现及结构演化机制；2）结合社交网络环境下云服务推荐的实际需求，研究综合考虑信任关系和多元属性的云服务协同过滤推荐方法及算法，进而构建适应时间和需求二维演化的云服务动态推荐机制；3）以腾讯应用宝中的APP推荐为案例，对所提出云服务推荐方法的有效性进行验证。通过本项目的研究，为解决社交网络环境下云服务用户兴趣发现与个性化推荐问题提供新的方式和途径，也有助于丰富和深化云服务推荐系统的理论研究体系，具有重要的理论意义和实际价值。

在技术进步、需求引领和服务模式创新等因素的共同驱动下，越来越多的中小企业和独立开发者开始依托开放平台的云计算环境，为公众用户创造出海量的各类云服务。云服务用户通常不是单独存在的，社交网络正在改变着云服务用户的沟通与协作方式，用户间的交友、联络、标签、群体依附和聚会等行为会对目标用户的决策行为产生影响，尤其是被信任的其他用户的数据将会在目标用户的选择判断中发挥关键作用。然而，受服务数据规模、交易规范性、平台成熟度等方面的影响，现有云服务推荐系统及方法的实际效果并不理想，且通常具有较强的应用环境约束。.因此，本项目从动态信任建模、基于信任的社交网络表示、局部虚拟社区发现、个性化推荐等方面，系统研究社交网络环境下的云服务推荐方法。综合分析云服务用户间综合信任估算方法、信任演化机制、时间维信任衰减方程、社交网络关系属性、局部虚拟社区发现方法、虚拟社区结构相似度量、信任网络演化机制、云服务推荐方法以及动态推荐机制等内容。在此基础上，提出综合考虑信任关系和多元属性的云服务推荐方法，建立适应时间和需求二维演化的云服务动态推荐机制，并提出了多模态跨界融合的微创手术全景式智能决策方法，首创了大数据驱动的微创手术智能决策系统，突破了基于人工智能的微创手术器械定位与行为识别等核心技术难题。.通过四年的理论研究与技术攻关工作，本项目组已在《Decision Support Systems》、《International Journal of Production Research》、《Journal of Medical Systems》、《IEEE Systems Journal》等国际期刊和国内期刊《中国管理科学》共发表相关学术论文15篇，其中：SCIE/SSCI收录14篇，国家自然科学基金委认定的管理类重要期刊收录1篇；申请相关国家授权专利4项；培养青年骨干教师4人、博士研究生4人、硕士研究生4人。.通过本项目的研究，为解决社交网络环境下云服务用户兴趣发现与个性化推荐问题提供新的方式和途径，也有助于丰富和深化云服务推荐系统的理论研究体系，具有重要的理论意义和实际价值。