移动互联网中的服务发现研究

The rapid development of mobile internet, tremendous improvement of mobile terminal capability, and large amount of mobile services not only provides more choices for selection, but also brings a lot of challenges: the amount of service increases from thousands to millions; service properties change from static to dynamic; lots of information added, e.g., location, time, etc; users, services, and devices construct a complex heterogeneous social network. Thus, we argue that the traditional service discovery approaches, which focus on few, static, stable, and predictable services, should be improved. The research content of this project consists of the following: 1) To provide model and theoretical basis for solving the service discovery problem in mobile internet, we propose to figure out a kind of mobile internet service model which is suitable for mainstream service description language; 2) We propose clustering, classifying, sorting, and indexing approaches for mobile service pre-processing, by introducing distributed large-scale graph data storing technique, hybrid indexing technique, etc; 3) We propose a mobile atomic service oriented discovery approach, by introducing stochastic approximation technique, high-dimensional distributed uncertain Top-K querying technique, etc; 4) We propose to discover composite mobile service on the complex heterogeneous social network which consists of users, services, and devices, by introducing probabilistic graph model technique and so on.

移动互联网的飞速发展，移动终端性能的大幅提升，移动服务的大量出现，不仅给用户带来更多的服务选择，也带来了许多挑战：服务数量从几万提升到几百万，服务属性从静态变为动态，增加了位置、时间、周边资源等大量数据信息，用户、服务、设备构成的复杂异构社会网络为服务发现提供新思路等等。因此，我们认为面向少量、静态、稳定、可预测的传统服务的服务发现方法亟待提高。本项目研究内容如下：1）通过研究适合主流服务描述语言的移动互联网服务模型，为解决移动互联网环境中的服务发现问题提供模型和理论基础；2）引入分布式大规模图数据存储、混合索引等技术，提出移动服务预处理的聚类、分类、排序、索引方法；3）引入随机近似、高维分布式不确定Top-K查询等技术，提出适合移动原子服务发现方法；4）引入概率图模型等技术，在用户、服务和设备构成的复杂异构社会网络上探索移动组合服务发现。

移动互联网的飞速发展，移动终端性能的大幅提升，移动服务的大量出现，不仅给用户带来更多的服务选择，也带来了许多挑战：服务数量从几万升到几百万，服务属性从静态变为动态，增加了位置、时间、周边资源等大量数据信息，用户、服务、设备构成 的复杂异构社会网络为服务发现提供新思路等等。因此，我们认为面向少量、静态、稳定、 可预测的传统服务的服务发现方法亟待提高。本项目，我们聚焦在以API、APP等服务为代表的移动服务，主要从以下几个方面展开了研究。1）服务描述增强。我们利用自然语言处理技术以及异构信息网络技术，提出一种服务标签推荐系统，从而便于更好地进行服务发现与推荐。2）服务推荐。与传统基于协同过滤的推荐方法不同，我们融合了用户、API等各种信息，以及考虑了用户、API以及Mashup之间的关联，利用异构信息网络技术提出了一种新的推荐方法。3）移动互联网中服务质量管理。与传统服务质量管理不同的是，我们考虑了时间维度信息、以及影响服务质量的各种特征，然后分别建模进行了研究。4）基于多源异构数据的服务发现。我们考虑了社交媒体等外源信息来增强服务发现的性能。