基于用户偏好感知的SaaS服务选择优化研究

With the rapid development of Cloud Computing Technology, SaaS has become a new business model for information service. Since the service content and service quality vary from customer to customer, user's preferences and personalized demands should be taken into consideration while providing specialized services. ..So far, the research on user's preference focuses on the personalized recommendation system in Electronic Commerce field. Concerning with the effects of context and cognition variables on user's preference, researchers begin to introduce context information and cognition model to user's preference model. Besides, some researchers use user's expectation and user's preference to optimize service selection. However, SaaS user's preference relates to multidimensional factors, and previous researches only covered some of them. In recent researches related,there's a lack of researches on SaaS cloud service resource combination and selection optimization focusing on individual user's preference demands.So the systematic research on user's multidimensional preference perception and service selection optimization strategy needs to be done...Based on the overall analysis of Saas service attributes and its user's preferences, this project constructs a User's Preferences Perception Model introducing the context factors, cognition model and service quality model. Data mining, hierarchy analysis and fuzzy theory are applied to designing Multidimensional User's Preferences Extraction Algorithm(MUPEA) to extract multidimensional user's preferences such as context-based user's preference, cognition-based user's preference and user's review-based preference on service quality, then the overall user's preferences can be worked out from these weighted criterions. Based on this, the service selection optimization algorithm is applied to measure and compare Top-N services for identification of the optimized service combination. It provides a way for both the service providers' service selection optimization and the customer's personalization service demands, while providing the customer with optimized service and raising their satisfaction with SaaS.

随着云计算技术与应用的不断发展，SaaS成为一种新兴的信息服务商业应用模式，但现有云服务的相关研究中针对用户个性化需求的SaaS云服务资源组合与选择优化研究相对缺乏。本项目以基于用户偏好的SaaS服务选择优化为研究对象，在综合分析SaaS的服务属性和用户的个性化偏好的基础上，引入情境要素、认知心理要素和服务质量要素，构造SaaS用户偏好感知概念模型；进而设计多维度用户偏好提取算法MUPEA，该算法利用数据挖掘技术、层次分析法、模糊理论等研究方法提取基于情境的用户偏好、基于认知心理的用户偏好和基于用户评价的服务质量偏好等多维度用户偏好信息，然后加权计算出综合的用户偏好值；在此基础上，利用服务选择优化算法进一步测试比较Top-N个服务，得出相对最优的SaaS服务组合，从而为SaaS系统的服务选择优化提供依据，以更好地满足用户个性化服务的需要，提高用户使用SaaS的满意度。

随着云计算技术与应用的不断发展，SaaS成为一种新兴的信息服务模式，但现有云服务的相关研究中针对个人用户、满足个性化需求的服务资源组合与选择优化研究相对缺乏。如何更好地体察用户，通过用户行为的真实历时数据和实时数据提取用户偏好对于提升服务质量至关重要。同时，用户的需求都是形成于情境融入于情境的，只有结合具体情境才能解释出具体需求的意向性。因此，在对云计算生态圈和云服务发展态势深入分析的基础上，本项目综合运用管理学、心理学、语言学等多学科的理论与方法，以用户为中心，综合考虑认知、情境、服务质量等要素，构建了基于屏幕视觉热区的网络用户偏好复合模型，提出了基于情境建模的用户需求发现及偏好感知方法，以及SaaS用户感知服务质量偏好评价体系，并设计、开发了面向服务选择优化的个性化推荐解决方案和个性化服务原型系统，能够为用户提供相对最优的服务组合，为服务提供商的服务选择优化提供依据，从而提升服务质量，较好地满足用户个性化服务的需求，提高用户满意度。.首先，构建了基于屏幕视觉热区的网络用户偏好复合模型。本研究通过心理学眼动实验，发现了用户浏览行为中屏幕视觉热区的存在，因而将偏好提取的视域范围聚焦到屏幕视觉热区，将用户实时注视的网页内容进行抓取并析出关键词作为用户偏好数据的基本来源，实现了用户偏好的实时提取；继而采用自组织聚类方法和认知视角下用户会话切分算法，将所有偏好数据完整映射至即时偏好、短期偏好和长期偏好三层结构之上，实现了对用户偏好的完整刻画。.其次，引入Web 2.0的用户参与理念和社会化标注方法，采用以大众用户为主导、动态开放的社会化驱动方式实现了移动互联网环境中基于情境建模的用户需求发现及偏好感知。再次，采用模糊综合评价等方法构建了SaaS用户感知服务质量评价体系，并结合情感计算的方法分析了SaaS用户对服务质量属性层的偏好，为服务的优化选择提供了参考。.最后，提出了基于个性化推荐的服务选择优化方案，并设计开发了原型系统。基于用户偏好的识别、提取与分析，从系统功能语言学和Web2.0视角出发，提出了语言学视角下基于评论分析的个性化推荐方案优化解释和社会化驱动的基于情境感知的信息资源动态优化和匹配方法，并在此基础上搭建了交互收敛式个性化推荐原型系统和情境感知个性化服务原型系统，为向用户提供优化的服务资源组合提供了技术支撑和实践指导。