计算机工程

作者：赵旭东, 吴洪越, 孟柯, 许小龙, 窦万春

单位：1. 南京信息工程大学软件学院, 江苏 南京 2100442. 天津大学智能与计算学部, 天津 3003503. 南京大学计算机软件新技术国家重点实验室, 江苏 南京 210023

关键词：服务推荐,服务质量,上下文感知,深度学习,数据挖掘

基金：国家自然科学基金重大研究计划子课题(92267104); 江苏省前沿引领技术基础研究重大专项(BK20232032)

随着互联网、云计算和人工智能的不断发展, 服务推荐作为服务计算中的关键技术, 在帮助用户快速精准地发现目标服务、提升资源利用率和改善用户体验方面发挥着越来越重要的作用。针对服务推荐的研究问题与发展趋势, 对现有研究成果进行了系统梳理和全面概述。首先, 总结了服务推荐的研究现状, 包括基于传统方法的服务推荐、基于上下文感知的服务推荐以及基于神经网络的服务推荐, 系统分析了各类方法的基本原理、代表性工作及其优缺点, 并对比了它们在不同应用场景中的适用性与表现。其次, 深入探讨了服务推荐在实际应用中所面临的核心挑战, 涵盖数据稀疏与冷启动、服务质量(QoS)数据不完整与含噪声、服务动态性与上下文变化、推荐结果的可解释性, 以及系统的实时性、可扩展性、隐私与安全等问题。最后, 对服务推荐技术进行回顾与总结, 概述了当前研究中的局限性与主要问题, 并结合大数据、知识图谱(KG)、深度学习、大语言模型(LLM)与强化学习等新兴技术的发展, 探讨了服务推荐未来的发展方向与研究前景。本研究有助于加深对服务推荐领域的整体理解, 并为后续研究和应用实践提供参考。

来源：2026年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第1期