摘 要

随着制造服务的快速发展，服务质量（QoS）预测变得越来越重要。现有的大部分推荐方法只对QoS进行总体评价来做出推荐，而在一定程度上忽略了用户的个性化需求。一般情况下QoS会存在多项指标，但是这多项指标在绝大部分情况下无法同时达到最优，因此如何在众多服务中选择相对优的解提供给用户是我们需要解决的一大问题。此外，考虑用户除历史记录外的额外信息的推荐方法在制造服务方面的应用远不如在其他领域应用的多，而大量的研究表明这种方法能有效提高推荐的有效性。因此，如何将用户额外信息结合到推荐过程中也是我们需要考虑的重点。综上所述，如何结合用户的额外信息，同时为用户做出更符合其特定需求的个性化制造服务推荐，具有十分重要的研究意义和应用背景。

本文研究了个性化的QoS推荐问题，设计了一个用于制造服务QoS值的推荐系统。在该系统中，本文综合考虑了用户的地理因素和规模因素，合理改进了协同过滤方式，让其更适合于制造服务的多目标QoS推荐。同时本文对QoS五项目标进行NSGA-II中的快速非支配排序来得到多项相对优解供用户选择，以满足用户的个性化需求。这种方法的优点是对QoS做拆解来进行多目标推荐，以获得更全面的推荐项目，提供多个方案供用户自行选择，更充分考虑了用户的个性化需求，同时考虑了额外的因素，一定程度上改善了冷启动问题，提高推荐的准确性。

关键词：制造服务；QoS预测；协同过滤；快速非支配排序

Abstract

With the rapid development of manufacturing services, quality of service (QoS) forecasting becomes more and more important.Most of the existing recommendation methods only make recommendations based on the overall evaluation of QoS, but to some extent ignore the personalized needs of users.In general, there are multiple indicators of QoS, but in most cases, these indicators cannot be optimized at the same time. Therefore, how to choose a relatively optimal solution among many services to provide to users is a big problem that we need to solve.In addition, the recommendation method that takes into account the user's additional information in addition to the historical record is far less widely used in manufacturing services than in other fields, and a large number of studies have shown that this method can effectively improve the effectiveness of the recommendation.Therefore, how to integrate the user's additional information into the recommendation process is also a key consideration.To sum up, it is of great research significance and application background how to combine the additional information of users and at the same time make personalized manufacturing service recommendation for users that is more in line with their specific needs.

This paper studies the personalized QoS recommendation problem and designs a QoS recommendation system for manufacturing services.In this recommendation system, this paper comprehensively considers the geographical and scale factors of users, and improves the collaborative filtering method to make it more suitable for multi-objective QoS recommendation of manufacturing services.At the same time, this paper carries out NSGA-II fast non-dominant sorting of the five QoS objectives to obtain multiple relatively optimal solutions for users to choose, so as to meet the personalized needs of users.The advantage of this method is to disassemble QoS to carry out multi-objective recommendation, so as to obtain a more comprehensive recommendation project. Multiple schemes are provided for users to choose by themselves, which fully takes into account users' personalized needs and extra factors. To some extent, the cold start problem is improved and the accuracy of recommendation is improved.

Keywords：Manufacturing services; QoS prediction; Collaborative filtering; Nondominant ordering

目录

第一章 绪论 4

1.1研究的背景及目的和意义 4

1.2国内外研究现状 4

1.3本文研究内容及结构安排 6

第二章 模型设计 7

2.1 QoS评价模型及推荐系统框架模型 7

2.2相似度模型 7

2.2.1评分相似度 7

2.2.2距离相似度 8

2.2.3规模相似度 9

2.2.4用户相似度 10

2.3评分的预测模型 10

第三章 算法设计 11

3.1CF部分的算法设计 11

3.2快速非支配排序部分的算法设计 11

第四章 实验 13

4.1 实验设置 13

4.1.1 数据集 13

4.1.2 指标 13

4.2 自身参数的影响 13

4.2.1相似用户数量K的影响 14

4.2.2 相似度因素权重的影响 14

4.3不同算法的结果对比及分析 16

4.3.1 CF部分的准确度对比 16

4.3.2快速非支配排序方式和Top-N方式的结果对比 16

第五章 总结 19

致谢 20

参考文献 21

附录 22

绪论

1.1研究的背景及目的和意义

随着制造业的发展和网络技术的应用越来越广泛，以制造服务平台为媒介的制造模式得到了进一步的推广，现在越来越多的制造服务被发布在了网络平台上供用户选择。更快的时间、更低的制造成本、更好的服务、更大的灵活性等逐渐变成了制造业用户所追求的新目标。在新的制造模式得到广泛应用后，分布式的制造资源以及制造能力被虚拟化和封装成为了一个个的制造服务，被投放到了各种各样的制造服务平台上^[1]。与此同时，服务平台自身也在不停的进步。随着平台上的可用解决方案，即服务的出现和发展，制造业开始从生产导向型转变为了面向服务型。在服务平台中，用户不仅仅会关注服务的提供商能否满足自己的制造需求，还会关注制造服务的整体质量，综合考虑后选择自己所最需要的服务。然而，随着提供类似功能的制造服务越来越多，如何选择能够更好更快地执行制造任务的服务变得困难起来。当用户遇到几个提供类似功能的制造服务时，他可能很难选择具体采用哪个制造服务。这种情况下，如何把更具有特点的服务呈现给用户，让用户能更快速的得到自己想要的服务成为了我们需要解决的一大问题。