社群关系在Web服务发现与推荐中的研究现状分析

利用社群关系是提升Web服务发现和服务推荐性能的重要手段，也是目前的研究热点之一。本文对Web

Web 服务无需借助额外的第三方软件或硬件，就可以通过标准接口和通信协议实现不同节点之间的交互。作为服务计算领域的一项重要创新，大量的Web 服务被开发出来并发布到Internet 上。近年来， 随着Mashup 等技术的兴起，Web 服务的种类和数量急剧增加，以服务为中心的Internet 正在形成。满足用户各种需求的Web 服务越来越多，网络上的服务信息严重超载，但与此形成鲜明对比的是，大多数已发布的Web 服务还没有被使用过[1]。

如何从这些海量的服务中选择出满足用户个性化需求的服务成为亟待解决的问题。服务发现和服务推荐技术被认为是解决服务资源过载问题的有效途径。它们作为提供个性化信息服务的重要手段，通过建立用户与服务的二元关系，分析用户需求、用户偏好和行为特征，发现满足用户需求的候选服务或推荐用户感兴趣的潜在服务，从而满足用户个性化需求。目前，在传统方法遇到技术瓶颈的情况下， 大量关于Web 服务发现和服务推荐的研究正将研究重点聚焦到社群关系的利用上。本文阐述并分析了Web 服务应用环境下社群关系的内涵，概括了关于社群关系的研究现状，对典型的方法进行分析，旨在帮助学习研究人员进一步了解社群关系对服务发现和服务推荐的影响，为后续研究工作的开展做好铺垫。

2. 社群关系 通常来说，在Web 服务应用领域，社群关系(Social Relationships)包括多个具体内容，如聚类关系、隶属关系、合作关系、竞争关系、推荐关系、信任关系等。其中，聚类关系、推荐关系和信任关系是讨论最多的三种社群关系形式。

聚类关系(Clustering Relationship)是针对用户与用户或者服务与服务而言的。聚类的依据是用户或者服务之间共同的特征或某个标准。同一聚类集合中的不同个体之间的相邻或类似程度可以依据该特征或标准进行衡量。显然，用户之间和服务之间的聚类标准是不一样的，因此，聚类关系又可以分为用户的聚类关系和服务的聚类关系。

推荐关系(Recommending Relationship)是针对用户与服务而言的。

若当前用户将某个Web 服务推荐给另一个用户时，他与这个Web 服务之间就建立起了推荐关系，当前用户就是推荐者，这个Web 服务就成了被推荐的对象。一般而言，用户推荐一个Web 服务的主要依据就是调用该服务后的用户体验。

信任关系(Trust Relationship)则是针对用户与用户而言的。信任关系的建立可以是直接也可以是间接的。直接的信任关系通常源自于用户之间推荐行为的发生，若当前用户将某个Web 服务推荐给另一个用户并被其调用，那么这两个用户之间就建立起了直接信任关系。间接信任关系来自于信任的传播，两个