数据驱动的交互式和定制化服务链推荐方法研究

In the large-scale and cross-domain big data driven service ecosystem, users and services interact in a customizable, real-time, and service chain collaboration manner. In such a dynamic environment, interactive and customized service chain recommendation is of fundamental research and practical importance. To achieve this goal, this project aims to address three critical and challenging issues: 1) building users' global profiles based on their past interactions with services and a multi-granularity multi-layer service model based on quotient space; 2) evaluating service relevance based on integer numbers, modelling and optimizing service chains based on probabilistic graph; 3) predicting the multi-dimensional quality of services and customized service chain recommendation in a data-driven, user centric and conversional manner. The outcomes of this project will build the theoretical foundation for data driven, interactive and customized service chain recommendation. It will also pave the way for further exploration and application of various models, approaches and key technologies in the cross-domain big service ecosystem.

大数据驱动的服务生态系统呈现出大规模、跨领域、全周期交互、深度定制化、高频实时、服务链协同等特征。如何在动态变化的服务生态环境下，实现以用户为中心的交互式与定制化服务链推荐是一个亟待解决的科学问题。项目围绕数据驱动的服务生态系统下服务链推荐的交互性和定制化两大关键科学问题展开研究，内容包括：1) 研究推荐系统实时交互式环境下用户全景画像和基于商空间的多粒度服务分层模型；2) 研究基于区间数的服务相关性计算和基于概率图的服务链建模与优化方法；3) 研究数据驱动以用户为中心的深度定制化服务链推荐算法。该研究为数据驱动的定制化服务链推荐提供理论基础，同时为大服务生态系统跨领域服务协同模式提供模型、方法和关键技术支持。

数据驱动的大服务生态系统呈现出深度定制化、全周期交互、跨领域、大规模、高频实时、相关服务协同等特征，如何实现数据驱动的以用户为中心的交互式和定制化相关服务链推荐是一个极具挑战性的科学问题。因此，本项目围绕数据驱动的相关服务推荐中的两个核心问题全周期“交互式”和深度“定制化”展开研究，主要包含以下3个方面：1) 提出支持多级索引的用户全景画像树和分层多粒度服务链建模方法，实现大服务生态环境下的相关服务有效组织和集成协同。2) 提出支持动态、不确定性执行环境下的服务相关性建模与优化方法，实现相关服务链建模和预测。3）提出支持全生命周期交互与深度定制化需求的相关服务链推荐方法，实现以用户深度定制化的服务链推荐。四年来，申请人围绕着本项目的研究内容以第一或通讯作者身份共发表包括IEEE Transactions on Knowledge and Data Engineering(TKED)、IEEE Transactions on services computing (TSC)、ACM Transactions on Information Systems (TOIS)、计算机学报在内的国内国际重要学术会议和期刊38篇，高被引论文3篇。课题组已培养硕士研究生15名，博士研究生2名。