沙特国王大学学报一个使用社交物联网的Halima Bouazza，BachirSaid，Fatima Zohra LaallamUniversité Kasdi Merbah Ouargla，Faculté des nouvelles technologies de阿提奇莱因福奥文章历史记录：2021年1月10日收到2022年2月5日修订2022年2月5日接受2022年2月11日在线提供保留字：物联网SIoT协同过滤本体推荐系统A B S T R A C T如今，连接到互联网的智能对象和设备的数量越来越多，导致了许多物联网服务的引入然而，由于信息过载，许多用户在获得满足他们的需要和兴趣的有用和相关的服务方面遇到了一些困难。推荐系统（RS）为这个复杂的问题提供了一个有效的解决方案。然而，现有的物联网推荐系统是基于用户自己拥有的对象，因为在物联网推荐系统中，找到缺失数据的替代来源以满足服务要求是一个严重的问题。然而，由各种对象生成的IoT数据被低效地使用。可以基于社交IoT（SIoT）使用由朋友和朋友的朋友所拥有的各种IoT设备所生成的数据来达成有效的IoT服务推荐。在本文中，我们提出了一种混合技术，结合隐式协同过滤和本体推荐个性化的物联网服务给用户。本体是用于建模的SIoT，在那里我们将对象之间的社会关系纳入推荐过程中的评级，而协同过滤预测评级和generates建议。评估结果表明，我们提出的推荐技术优于协同过滤使用SIoT本身没有SIoT的个性化和推荐准确性。版权所有©2022作者。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍随着时间的推移，智能设备将被连接起来，并提供无穷无尽的服务。在不久的将来，许多用户将订阅这些增值服务，甚至将拥有它们（Mashal等人，2016年a）。这促使由许多对象和平台提供的服务不断增加服务的日益扩散导致了信息过载问题，这增加了用户发现和访问潜在兴趣的服务的困难。推荐系统（RS）为这个复杂的问题提供了有效的解决方案（Bobadilla等人，2013年; Lu等人， 2015年）。RS是一种软件系统，它分析关于项目、用户及其交互的信息，以便通过预测用户对特定项目的兴趣来向每个用户推荐最合适的项目。*通讯作者。电子邮件地址：bouazza. univ-ouargla.dz（H. Bouazza）。沙特国王大学负责同行审查item. 推荐系统根据推荐方法的不同通常分为四类：基于内容的推荐、协同过滤推荐、基于知识的推荐和混合推荐。基于内容的方法依赖于用户的历史评级来建议与用户先前评级的那些项目类似的新项目（Ricci等人，2010年）。推荐将用户的属性与项目的属性因此，结果基本上反映了用户对该项目的兴趣水平（Lops等人， 2011年）。协同过滤算法通常依赖于以类似方式与系统交互的用户之间的因此，与这些用户相关的项目也应该1）适用于活动用户，2）包括在推荐列表中（Sarwar等人， 2001年）。基于知识的推荐系统依赖于知识工程（Lu，2007）。在这样的推荐系统中，知识工程在基于知识的方法（诸如本体）中起着至关重要的作用，以表示系统中所需的所有知识（Shishehchi等人， 2012年）。此外，混合技术主要用于实现更准确的建议（Burke，2002）。原则https://doi.org/10.1016/j.jksuci.2022.02.0031319-1578/©2022作者。由爱思唯尔公司出版代表沙特国王大学这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com表1作品之间的比较作品上下文数据对象之间的关系用户之间的关系寻性服务组合社会信任推荐人类型数据集（Bok等人，2021年）（Valtolina等人，没有是的没有没有相似性-基于对象偏好，根据对象使用情况和用户兴趣计算是的没有没有没有没有没有没有协同过滤协同物联网网络数据集http://www.social-iot.org/2014年度）（Hussein等人，（2015年）是的是的没有没有是的是的过滤知识型上下文合成数据集（Frey等人，（2015年）没有没有没有没有没有没有推荐器基于内容/（Ali等人， 2018年）（Vijayakumar和是的是的没有没有没有没有没有没有没有没有是的没有基于知识的推荐器混合数据集1（药物，效果）+数据集2（药物引起的疾病）收集的数据集（食物+气候奇拉姆库尔蒂，2018年）数据集）（Lye等人， 2020年）（Khelloufi等人，是的没有没有是的是的基于利益没有没有没有没有是的没有混合混合滤波GeoLife（GPS轨迹）+ WeeplacesRekite和Gowalla（登记点）设备2021年）（Yao，2016）是的是的是的是的没有是的协同库克和施密特-埃奇科姆过滤2009 + Singla et al. 2010http://casas.wsu.edu/datasets/（Rajendran和用户的社会相似性通过没有最高等级没有对象的协同MITJebakumar，2021年）（Mashal等人，好发没有对象的社会性类比是的没有邻域（MRN）方法没有是的友情链接没有过滤知识-和CASAS数据集（从许多智能住宅公寓获取的事件数据使用调查（2016年b）基于推荐器（Forouzandeh等人，（2017年）没有是的没有没有是的没有协同过滤使用调查H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5634H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5635结合简单的推荐方法是很重要的，这样一个人就可以通过弥补另一个人的不足而获利在不同的领域，特别是在电子商务领域，RS已经证明了它们的有效性在物联网推荐系统中，寻找缺失数据的替代资源来满足服务需求是一个至关重要的这导致对各种对象生成的IoT可用数据的低效利用。这个案例提出了一个问题，即如何有效地、可信地使用这些可用数据来提供服务建议。这种服务推荐可以在社交物联网（SIoT）的帮助下使用由各种物联网设备/对象生成的数据来实现使对象社会化的想法在（Atzori等人，2012），其中对象模仿社交网络中的人并创建他们的社交关系。因此，SIoT是建立在新兴的社交对象概念之上的（Atzori等人，2014a），其中智能对象暴露于Web，以实现与其他人和对象的自主和建设性交互（Nitti等人， 2014年）。此外，为了提高智能无障碍性（Bouazza等人，2019a），使用SIoT，它赋予设备一个社会结构，使它们变得灵活。因此，基于IoT的社交网络技术用于允许对象或实体独立地创建社交关系。其关键原因在于，面向社会的概念旨在使用与物理环境通信的网络和对象生成的数据来促进服务的选择、发现和组合（Atzori etal.，2012），（Nitti等人，2014年）。此外，SIoT允许节点创建相当于人类社交网络的相互关系可以用于描述SIoT框架架构中的关系特性的五种主要的关系类型是父对象关系（POR）、共址对象关系（CLOR）、协同工作对象关系（CWOR）、所有权对象关系（OOR）和社交对象关系（SOR）（Atzori等人，2012年; Nitti和Atzori，2015年）。POR是在同一生产者的同质对象之间形成的，在同一时期，作为输出批次发挥家庭的结构。CLOR定义在同一环境中的同构和异构对象之间（例如智能家居和智能城市）。这也可以在通常不能彼此通信以实现特定目标的对象之间形成CWOR是在协调提供特定物联网服务（如远程医疗和紧急响应）的对象之间形成的。此外，每个对象都有一个特定的角色来支持服务的组合。因此，它连接到一个对象，该对象可以收集有关物理世界的信息或提供其他对象需要的特定服务/数据。CLOR和CWOR是在对象之间形成的，类似于人们如何交流他们的个人或公共经历。另一方面，OOR是在同一个人拥有的异构对象之间创建的。SOR是在物体之间形成的，无论是持续的还是零星的，因为它们彼此接触。这种关系直接与对象所有者之间的关系联系在一起与朋友相关的传感器/设备）。基于对象的特征（例如，型号、类型、计算能力和电池寿命）。此外，这些关系是由一个服务分销商利用细化/可查找性模块，以类似于人类外观的方式识别将提供所需服务的对象信息和友谊。此外，SIoT架构包括一个关系管理框架，用于处理由此产生的关系，它可以将同理心融入SIoT，使个人能够创建，维持和终止关系。可以根据几个标准定义关系，例如所需的服务、对象之间的距离、发布模型和连接/断开连接的对象。这种关系和友谊作为加强SIoT中知识传播的一种方式在著作中进行了讨论（Nitti和Atzori，2015年;Saleem等人， 2017年）。为了揭示SIoT如何用于基于对象所有者之间的关系以及包含可以通过SIoT交换的IoT数据的对象的配置文件来管理对象之间的关系，用户建模技术是增强服务发现和有用数据的可因此，很容易根据用户的偏好和需求提供解决方案为了对SIoT系统进行建模，我们使用本体来描述用户、对象、服务以及它们之间的关系然后，我们形式化的服务推荐问题的基础上本体的方法来分析各种实体和不同的关系，揭示对象，服务和用户之间的相关性。另一方面，我们通过考虑SIoT中的不同关系，使用协作过滤来完成我们的预测。因此，建议的推荐系统是新颖的，不同于其他推荐系统在三个主要方面。所提出的系统认为，对象之间的社会关系，不仅要培养的相似性，但使用它们作为社会对象。 其中，社会对象（Asl等人，2013）能够在所有者的控制下自主地与其他对象进行通信和交互。因此，他们可以有效地抓取物联网网络，该网络由数十亿个对象组成，以面向信任的方式发现和使用服务和信息，并通告它们的存在，以便为网络的其余部分提供服务因此，由不同设备提供的可用IoT数据被有效地用于通过使用可查找性/服务发现的所需数据来馈送服务。此外，服务组合是我们提出的推荐系统的重要组成部分，其中允许属于朋友的对象代表当前用户进行协作以本文的其余部分组织如下：在第二节中，我们概述了现有的物联网推荐系统。下一节描绘了一个激励方案，描绘了第4节，我们解释的方法，我们描述了本体的发展，我们解释了过滤机制中使用的建议系统的重要性。然后，在第5节中，我们描述了系统建议的实现、评估和验证。最后，在第六部分对全文进行了总结，并提出了今后的工作方向.2. 相关作品SIoT和物联网（IoT）加速了互联网上可访问数据的增长，抑制了传统研究范式从稳定和深入的研究中获得知识以满足最终用户需求的能力基于这些可用数据，需要智能机制向物联网用户建议或推荐合适的产品，以从智能空间的对象产生的通信和有用数据中获益，并创建自动解决方案和服务。在这种情况下，IoT包括给IoT部署系统带来更多复杂性和更多挑战的特殊特征（Mashal等人，2016年a）。物联网的特点，如异构性，实时通信，可扩展性（姚等， 2019年），而移动性会导致某些应用遇到某些限制，因此可能无法执行成功的物联网任务（Bouazza等人，2019年b）。同样，推荐系统面临着新的挑战，由于许多原因，它们比传统的推荐系统复杂得多：H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5636高度动态（Mashal等人，2016年a）：事物不断变化的性质需要模型，这些模型可以快速调整以适应其不断变化的状态，并仍然反映最新的建议。可找到性是指在缺乏信息的情况下找到替代信息资源的过程服务组合（Bouazza等人，2019 b）是指在单个过程中集成多个设备的功能，以完成无法完成的复杂服务通过一个单一的设备。因此，服务组合提供了使用由各种对象生成的可用数据来执行复杂服务的能力。上下文信息或时空相关性（Yao等人，2019年，如时间和地点。时空数据的异构复杂性仍然是推荐系统面临的一大挑战。社会信任：物联网推荐系统中最重要的挑战之一与可靠的数据融合有关，以使服务受益。因此，社会信任使人们能够克服缺乏数据以及对风险和不确定性的看法（Bouazza例如，2019年b）。因此，物联网服务和应用程序的实现依赖于由不同所有者拥有的对象生成的可信数据。用户之间的关系（Yao，2016），以促进和生成个性化推荐。对象之间的关系（Mashal等人， RS需要能够分析各种对象和设施之间的异构关系，这增加了RS的复杂性。需要对这些关系进行彻底审查和确定，以便为建议产生准确的结果。除了RS在许多领域证明了其有效性之外，物联网推荐系统仍处于兴起阶段。在这个领域有许多杰出的作品，其中物联网被用作信息源，传播媒介或两者兼而有之。此外，物联网推荐系统还推荐不同日常生活领域的食物、物品或物联网服务等项目。2.1. 信息和任务建议在（Bok等人，2021），本研究旨在通过SIoT环境中的用户-设备和用户-用户交互分析在所提出的方案中，用户之间的相似性计算从用户最后，该方案推荐新的top-N用户谁具有高相似性的用户进行数据共享。根据个人的背景、兴趣、优先级、个人资料和使用的设备，并考虑时空因素，将正确的信息传递给正确的人作者（Valtolina等人，2014）寻求一种多级推荐系统（MRS），其使得一组服务能够建议相关信息并创建用于基于用户简档和使用上下文将用户整合到决策活动中的交互机制。否则，他们不仅将用户作为物联网系统的参与者，而且还将其作为感兴趣的社会群体的成员（Fischer，2001）。因此，他们根据对社交网络内容的操纵来做出决策，以将拟议的服务与社交分析和众包以及导致新的重要使用和数据呈现的解释结合起来。在相同的背景下，将认知推理整合到社交物联网中以建议智能家居中的日常活动在（Hussein et al.，2015年），作者使用认知推理将客观和主观要素的环境定义用户环境。该推理过程被实现到基于任务的智能推荐系统中，以响应从日程、兴趣、日常活动以及智能家居特征和条件定义的用户情境目标。此外，（Frey等人，2015）引入了基于从智能设备上安装的应用程序获得的数据创建数字库存的概念。因此，所安装的app也是可用于收集关于客户的需求和偏好的信息以自动地为每个用户进行数字库存的实体推荐系统可以使用这些库存进行协同过滤和/或非侵入式提供消费者相关的产品和服务。2.2. 医疗保健和旅游推荐系统医疗保健数据非常丰富，通常包含与人类安全相关的信息。考虑到挽救人类生命和提高生活质量的巨大潜力，分析医疗数据至关重要。因此，基于物联网的医疗保健推荐系统提供了有效跟踪人体的最大希望，同时推荐具有特定食物和药物的饮食。 作者（Ali et al.，2018）建议使用第二类模糊逻辑和基于模糊本体的决策知识来简化物联网医疗系统的整体食品和药物推荐程序。该框架包含两层信息：一个安全层和一个基于模糊本体的决策知识层。安全层可以防止未经授权访问智能冰箱和医疗设备，并在食物和药物建议之前调查患者的真实状况。基于第二类模糊本体的语义知识层通过可穿戴传感器提取患者危险属性值通过该方法，它使用2型模糊逻辑来监测患者的健康状况，从模糊本体中检索药物和食物信息，然后根据患者的病情为智能药盒推荐药物，为智能冰箱推荐食物。此外，ProTrip是一个以健康为中心的旅游平台，在（Vijayakumar和Chilamkurti，2018）中提出的框架，该框架基于混合过滤机制和智能推荐模型。ProTrip是一种基于本体的方法，其利用语义上的健康和营养知识并操纵Blanco-Fernández等人提出的混合过滤机制（Blanco-Fernández等人，2011年）。 其中，作者结合了三种主要的过滤形式，即，协同过滤、基于内容的过滤和基于知识的过滤。此外，考虑到某些气候条件和其他食物由于使用者的健康问题而被保留给他们的事实（Al-Nazer等人，2014年）。营养和健康为导向的配置文件用于最大限度地实现和代表恢复的数据，以满足用户的需求在相同的上下文中，在（Lye等人， 2020），作者使用轨迹分析基于用户位置历史推荐位置/地点。其中，轨迹分析框架的使用应用用户位置历史，精确地应用具有相似行为和移动模式的用户的轨迹。此外，明确地收集用户简档数据（例如，项目评级）和隐含地（例如，位置历史和订单数量）使用知识-期望-意图（KDI）模型（Xing等人， 2018年）。因此，他们开发了一种混合推荐方法，使用可用的基于语义和上下文的数据来执行个性化推荐。所开发的框架适用于SIoT网络中的服务发现和组合而在（Khelloufi等人，2021），作者提出了一个基于社会关系的服务推荐系统●●●●●●●H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5637物联网设备的所有者之间。他们使用SIoT中定义的社会关系来建立设备之间的服务建议。结果，设备继承了它们的所有者他们还引入了一种基于边界的组检测算法，用于根据共享的偏好、兴趣和社交关系形成社交连接的设备组。通过对桑坦德智能城市获得的真实数据进行详细实验，将该系统与以前的相关工作进行比较，从而证明了该系统2.3. 对象和服务建议：在（Yao，2016）中探索了执行必要任务的适当对象的建议作者通过探索对用户偏好和人类决策有重大影响的对象之间的关系来构建RS此外，可以识别和操纵对象之间的关联，特别是，作者建立了一个超图来设计具有隐式相关性的事物，其中用户交互中的复合关系可以被揭示到最高可能的水平。最后，他们提出了一种基于蒙特卡罗方法的连续技术，以连续跟踪物理对象的可用性状态，并将物理对象的这种动态特征集成到所提出的系统中，以增强推荐结果。此外，在（Rajendran和Jebakumar，2021）中，作者提出了一种基于对象推荐的友谊选择（ORFS）模型，以管理社会关系并增强SIoT环境中的网络可导航性。提出的模型的主要贡献是：（i）开发了一个用户对象Affiliation（GWA-UOA）机制的基础上，灰狼算法的智能对象推荐（SOR）。（ii）通过使用最大排序邻域（MRN）方法的网络可导航性的对象友谊选择（OFS）的提议，用于通过建立 友 谊 链 接 来 导 航 期 望 的 服 务 。 其 中 ， MRN 使 用 协 作 过 滤（Pearson相关性）计算，而OFS用于选择合适的对象作为服务提供商。此外，GWA-UOA算法被用来检测目标的位置实验结果证明了所提出的模型在SIoT中导航更智能的社交对象的性能。作者（Mashal等人，2016 b）提出了一种基于图的物联网服务和对象推荐系统模型，用于对对象、用户和服务之间的相关性进行建模，其中系统由用户、对象和服务之间具有超边的相互关联的三方图表示。此外，作者通过严格比较不同算法的性能来测试和评估物联网中的推荐算法。因此，他们进行了实验，在实验中他们检查并发现了不同算法输出之间的相关性。因此，他们表明基于图的推荐算法可以提高物联网推荐系统的性能。在同一背景下，（Forouzandeh等人，2017）推荐使用协同过滤的物联网服务和对象。下面的表1总结了基于上述IoT推荐系统挑战的相关工作之间的比较。上述相关工作覆盖许多领域，无论是特定领域（信息和任务推荐、保健和旅游推荐系统）还是一般领域（对象和服务推荐）。尽管许多作品都将SIoT作为一个生态系统，但它只是被用来培养用户之间的相似性。另一方面，IoT服务推荐系统基于用户拥有的对象，而不考虑用户的社会关系或对象之间的社会关系。这已经抑制并且仍然抑制可以容易地创建复合服务的实际物联网生态系统的实现（Atzori等人，2014 b），因为在IoT服务推荐系统中，找到缺失数据的替代资源以满足服务要求来完成服务推荐是一个严重的问题。物联网碎片化的一个明显但有效的对策是允许对象通过依赖SIoT使用用户与其对象之间的社交关系来直接与外部世界交互。因此，这导致有效使用由不同设备提供的可用物联网数据，其中可查找性和服务组合是我们提出的推荐系统的重要部分，其中允许属于朋友的对象一起协作以代表使用SIoT的当前用户完成服务。因此，我们可以想象新一代的社会对象（Asl等人，（i）可以在所有者的控制下自主地与其他对象进行通信和交互;(ii)可以有效地抓取物联网网络，该网络由数十亿个对象组成，以面向信任的方式发现服务和信息;（iii）能够广告它们的存在，以便为网络的其他部分提供服务。3. 激励情景为了强调物联网服务推荐系统的重要性，我们举了以下例子：随着时间的推移，生活在大城市或城镇已经变得越来越紧张。由于物联网技术，我们开始看到自公路汽车发明以来从未有过的交通演变。通过使用物联网服务，我们可以超越理想的旅行梦想，能够收集和提供关于我们周围发生的一切的数据。像树木、路缘和高速公路这样的事物多年来没有改变，而像交通变化和道路封闭这样的某些瞬时项目可能被可能不为用户所拥有的地图绘制设备所淹没，而这可以通过探索朋友的对象的社交网络而不是依赖于典型的互联网发现方法来实现。然而，如果没有一个高效的服务，可以捕获和准备这些读数进行分析，以推荐使用智能道路服务的最可靠和最安全的路线，仅使用对象是不足以满足用户的需求的（图10）。①的人。后者是在不久的将来可用的大量物联网服务之一这导致用户面临巨大的挑战，不仅要从数量庞大的提供商中确定完美的服务该对象可能不被用户拥有，而它可能被他们的朋友或朋友的朋友SIoT相对于传统物联网的主要好处是，智能对象可以自主地在它们之间建立社交关系，以提供丢失的数据。因此，为了解决推荐合适的服务和找到完成服务所需的数据的复杂问题4. 我们提出的系统在下面的部分中，我们将讨论我们提出的推荐系统，如下图所示（图1）。（二）H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5638Fig. 1.智能环境下基于SIoT的智能道路服务推荐系统。图二.物联网服务推荐系统（IoT Service Recommender System，IoTSRS）图三. 混合物联网服务推荐模块。其中使用用于计算用户之间的相似性的数据集来进行推荐，而IoT服务推荐系统（IoTSRS）基于混合方法，其中我们将隐式协同过滤与本体相结合。后者致力于描述除了SIoT的主要特征（关系管理、服务发现、服务组合和信任管理）之外，SIoT中因此，在我们的物联网推荐系统中，每个服务都由包含服务角色和所需数据的配置文件定义用户拥有设备/对象，其中每个对象/设备具有包含其执行的过程的简档此外，它不仅充当信息提供者，而且通过爬行对象/设备的社交图来馈送服务，H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5639所需的数据。换句话说，当节点请求丢失的数据以完成服务时，它在网络上广播所需的信息，并从可以提供该信息的响应者中选择最合适的对象。选择是基于由本体构建的每个对象的社交图进行的。实际上，在所提出的系统中检查的关系涵盖但不限于所有权关系、社会关系和共同工作关系。因此，服务发现和组合将更好地应用，因为在前两个关系中的可信度增加因此，系统架构包括4个关键组件，包括用户简档、社交IoT网络的本体推荐过程经历三个关键步骤，如图3所示：（1）构建本体以描述社交IoT领域的知识;（2）基于本体领域的知识和协同过滤来计算服务评价和用户评级的预测;（3）经由CF推荐引擎生成前N个服务。因此，为了生成建议，我们的方法经历了三个主要阶段：第一阶段是创建SIoT本体以定义社交图谱，其中描述了三个主要因素（用户，服务，设备）之间的关系。第二阶段是计算用户和服务之间的偏好第三阶段是使用CF推荐引擎生成前N个物联网服务。4.1. 创建SIoT本体为了揭示SIoT如何保证网络的可导航性，对象和服务的发现以及关系管理，我们分别基于SSN和FoaF中表示的物联网和社交网络的现有本体创建了SIoT的本体。其中，语义传感器网络（SSN）（Haller等人，2017）本体描述了传感器及其观测，以及除了致动器及其致动之外所涉及的过程。而FoaF（Brickley andMiller，2007）则用于描述对象之间的社会关系。从本体生成的数据以合适的格式保存以在计算模型中使用。图4描绘了SIoT本体的上层，其具有由SIoT生态系统管理的三个主要类（用户、对象和服务）。此外，它描述了主要概念之间的关系，用户可以拥有一个对象，该对象执行属于给定服务的过程。该过程要么是观察，要么是驱动，而用户消费服务;为了计算的目的，这种消费被分别解释为{0，1}SIoT本体的较低级别如图所示。 5，其中包含有关SIoT的更具体的信息，例如，有关用户及其社交关系的详细信息，这些信息反映了对象之间的关系。换句话说，一个或多个对象由用户拥有;这些对象具有所有权连接，并且由朋友拥有的对象具有社交关系。此外，与其他对象合作，以完成共同任务的对象，具有协同工作关系。用户配置文件：用户配置文件组件包含用户的信息和偏好用户简档中的信息被显式地和隐式地获取在用户配置文件中定义的信息是：个人人口统计数据（姓名，性别，年龄等），用户偏好、他/她拥有的对象以及他们的社会关系。CF推荐引擎也将利用这些信息来计算评级预测为活跃用户生成推荐见图4。SIoT的上层本体对象：对象组件被分类为但不限于两类：感测装置和致动装置。此外，IoT对象包含有关对象的更多信息，例如其所属的品牌，位置以及执行的过程。后者是驱动或观察，被认为是服务的输入或输出该对象还有一个可接受的修改器，它可以接受“Public”、“Pri- vate”或“Friend”的值服务内容：用户和软件代理应该能够发现、调用、构造和控制提供不同服务并具有特定特征的对象，并且如果需要，应该能够以高水平的自动化来完成这些任务（Martin等人，2004）。因此，几乎必须定义这些服务和流程，以提高互操作性，使它们能够被几个异构系统立即发现和调用（Charpenay et al.，2018年）。我们定义了服务的一般结构及其两个关键部分：广告和探索服务配置文件和过程模型，为用户提供了服务的全面概述。因此，服务配置文件包含有关服务名称和适当角色的一般信息。而流程模型则包含执行服务所应应用的流程序列。如上所述，SIoT为我们提供了以可信的方式使用从网络可用的信息 来 增 强 服 务 的 可 用 性 、 探 索 和 组 合 的 能 力 （ Atzori 等 人 ，2012），（Saleem等人，2017年）。因此，基于access-Modifier的值，由对象（o）执行的过程在三种主要情况下可用：Private：对象的访问修饰符是因此，唯一能够从该过程中受益的是对象的所有者。朋友：在这种情况下，在属于认识对象的所有者的朋友、同学、旅伴、同事的设备和传感器之间建立社会关系。因此，他们能够使用该对象来执行所需的服务。Public：指的是具有公共访问修饰符的对象因此，这些对象执行的过程是公开可用的。例如，路边车辆速度传感器可以公开访问其生成的数据。此外，简单的用户可以共享一些通用数据，如温度，从而使这些传感器公开可用。为了确保有效和灵活的探索对象和服务的原则，每个对象应该寻求所需的服务，使用其关系;对象请求朋友和朋友的朋友在分布式的方式，考虑到access-Modifier的对象。●●●H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5640.¼222不0R< $0，其中R<$rui =1u我4.2. 计算模型：图五. SIoT本体。15如果 数据是可用的0否则在本节中，我们计算置信度参数，该参数指示数据是否可用。因此，置信度参数被用于计算用户和项目因子，其依次被用于通过计算服务i的用户偏好pui的相互作用矩阵（R）包含由以下项生成的明确值rui的出现本体论其中，rui是用户对服务i的评分联合首先，让如果用户和服务对之间存在交互（检查/查看），则考虑积极的偏好，消极的偏好。.1R> 0算法1显示置信度参数的计算。算法1：计算置信参数Cus输入：服务s，用户u：整数部署每个服务D所每个用户拥有的对象列表和每个对象的访问修饰符W（u）每个用户的朋友列表Fr（u）功能：置信度;u值：整数i= 1换句话说，如果用户u与服务i（rui> 0）交互，那么我们有一个u喜欢i（pui= 1）的指示。但是，如果u不与服务i相互作用，我们认为没有偏好（pui= 0）。然而，在这方面，我们的看法并不完全可靠。一是由于PUI;低置信度的数据零值的存在是相关的，因为用户没有对服务采取任何有意义的动作，这可能是由于除了不喜欢它之外的许多其他因素造成的。例如，用户可能不知道exis-服务的可用性，或者由于部署服务所需的数据不可用而无法使用服务。因此，我们有不同的置信水平，主要依赖于用户首选的服务中数据的可用性。使用以下公式计算置信度Cui¼1arui2值r是指用户u和服务i之间的交互，而a是调优参数。事实上，要向用户推荐任何服务，我们应该确保数据的可用性。因此，如果我们的数据是可用的，我们更有信心推荐服务。foreachobject（o）inD（s）do如果oW（u），则i =i*1else对于Fr（u）do中的每个f如果o W（f）和o.第一个修饰符= friend则i = i*1else if o. num-Modifier = publicthen i= i*1否则i = 0data_available数据库;数据库i：tobooleenIf（data_available）a= 15否则a= 0使用等式计算Cus。（二）return（Cus）端因此，目标是找到p ui 基于每个用户u的向量x u2R f以及用于每个服务i的向量yiRf，其将影响用户偏好。换句话说，偏好应该是内部产品：换句话说，数据可用意味着爬行SIoT网络-工作，以获得必要的数据，以完成服务，普义1/4xuyið3Þ第一步，我们检查用户是否拥有满足服务要求的对象，并且以相同的方式，我们抓取朋友的对象和朋友的朋友的对象以及公开可用的对象。因此，置信度根据调优参数a. 的作者（Hu等人， 2008年，他推荐了一款A-在高置信度状态下，Lue介于15和40康-因此，我们在模型中使用以下表达式：其中xu;yi是分别被称为用户因子和项目因子的向量X 1/4。YTCuYkI-1YTCupu4Y 1/4。XTCiXkI-1XTCipi5pui¼H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报56412012年6月22日1/4 f···g1/4 f···g2 fgR0 11/4 f···g1/4 f···g1/4 f···g其中：Y：用户和项目矩阵。它们将交替更新。Cu和Ci：置信值。k：是禁止过拟合的用户定义参数。(we’re usingp（u）和p（i）：一个项目的二元偏好。它的值为1或0，具体取决于用户交互。I（eye）：单位矩阵。因此，它是一个在对角线上有1而在其他地方有0的方阵4.3. 生成推荐IoT服务的前N个列表前N个服务推荐列表由CF推荐引擎基于目标用户的预测评级和本体领域知识来生成。设U表示所有用户U的集合u1;u2;u3;：：;u n，设S为所有IoT服务的集合S s1;s2;s3;：：;sm，可以被推荐;并且令O是关于用户、对象和IoT服务的本体领域知识恶习设R为衡量IoT服务S对用户U的有用性的评级函数。可能的评级值以数字标度定义。R：SxUxOR评级和R u;s0; 1算法2示出了如何生成前N个推荐列表。设rui是用户u对服务i的评级，并且Pui是预测的目标用户例如，用户拥有对象集合{o 1，o 2，o 3.. . ，oz}，并且知道依次拥有对象集合的许多用户。 这些对象执行属于IoT服务的特定任务。建议a服务s到用户u，我们首先计算置信度Cus，它表示我们对部署该服务所需数据的可用性有多大信心。然后，将基于用户和基于置信度值计算的项目因素来计算偏好。生成推荐服务列表（前N个）的步骤如算法25. 实验装置在本节中，我们将解释实施步骤、使用的数据集、评估方法以及验证指标。5.1. 实施情况：所提出的算法使用Python 3.7和Anaconda发行版实现。此外，SIoT本体是使用Protégé 5.5.0本体编辑器环境开发的。推荐引擎利用SIoT本体领域知识以及用户随后，在已经创建本体之后，准备数据集并将其预处理成CF推荐引擎所需的格式，下面的图6描绘了本体类和属性。正如我们在上面的激励场景中提到的，我们以智能道路为例，展示了拟议系统的工作原理。该IoT服务的实例化显示在图2中。7.第一次会议。5.2. 数据集最好使用大规模数据集进行精确的实验，这对于成功评估推荐算法至关重要。不幸的是，缺乏公知的大规模或IoT公开可用的数据集，其包括关于用户、对象、IoT服务和服务中的用户订阅的信息。创建物联网服务推荐系统中用于评估我们提出的推荐系统算法的数据集是一个障碍。首先，我们构建了涵盖60项服务的服务配置文件这些服务属于世界上最受欢迎的物联网应用领域1。有关服务的信息可从Libelium2、TELUS3和blueRover4的目录中的网站获得。然后，我们尝试使用真实世界的数据集，使用关于用户感兴趣的服务的问卷。数据是col-从465名用户中选出。每个受访者被要求选择算法2：生成前N个推荐列表输入：本体数据包含：组用户U u1;u2;u3;：：;un一套IoT服务S s1;s2;s3;：：;sm组对象O o1;o2;o3;：：;oz部署每个服务每个用户拥有的对象列表和每个对象每个用户每项服务的用户评级R¼fr11;r12;···; r nmg其中;输出：/* 预测评分前N推荐列表方法 */1：foreach s souls，u u2：使用算法1计算Cus（四）4：使用等式计算项目因子。（5）端部5：使用等式计算预测评级Pui。（三）6：为目标用户u生成前N个推荐列表他/她拥有或想要拥有的物品。此外，用户被要求选择他们感兴趣的物联网服务。尽管如此，物联网仍然处于拥抱之中，物联网设备和服务没有被人们广泛使用，这对数据收集和对结果准确性的讨论造成了严重影响。结果显示，这些受访者认为电子健康，智能家居和智能城市的服务是所有物联网系统中最重要的服务，如下图所示（图1）。8）。此外，为了找出缺失数据的可找到性以完成服务组合，我们使用构建的本体来描述对象之间的社交关系，其中调查中提到的60种服务中的每种服务使用3个对象/设备部署，而受访者的每个用户有20个朋友并拥有10个对象。5.3. 评价方法为了评估RS的预测质量和性能，我们通过5折交叉验证将数据集划分为训练集和测试集。因此，进行了实验，所提出的算法进行了评估，并与现有的rec。第1页https://iot-analytics.com/2https://www.libelium.com/3https://iot.telus.com/en/business/on/第四https://bluerover.ca/H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5642见图6。 本体类和属性。见图7。 创建的本体的实例化。推荐算法所提出的混合算法将CF和SIoT本体相结合，而其他算法在不考虑对象之间的社会关系的情况下进行评估以进行比较。因此，第一种算法是在（Mashal等人，2016 a），除了（Forouzandeh et al.，2017年）。首先，让我们定义变量：n：表示用户数。i：是一个迭代变量，用于对从1到n的所有运算符求和。TPi：表示向用户i正确推荐的IoT服务。TNi：表示与用户i不相关的非推荐IoT服务。FPi：表示与用户i不相关的推荐IoT服务。FNi：表示与用户i相关的非推荐服务。H. 布阿扎湾Said和F.Zohra Laallam沙特国王大学学报5643n合计建议nni¼1TPiFPi见图8。 根据受访者的选择，服务的稀疏程度见图9。 召回措施。见图10。精确的测量。见图11。 F-测量。见图12。 准确性的衡
