【摘要】：隨著云計算、大數據、面向服務架構(SOA)技術的發(fā)展,大服務生態(tài)系統(tǒng)應運而生。如何從大規(guī)模的功能屬性相同而非功能屬性不同的候選服務中為用戶有效地推薦滿足其個性化需求的服務已成為一項極具挑戰(zhàn)性的研究課題。目前QoS已經廣泛應用于服務組合、服務選擇和服務推薦系統(tǒng)中。然而,在真實的Internet環(huán)境中,由于種種條件的限制,用戶不可能通過調用所有服務來獲取這些服務的值,這就導致用戶-服務矩陣非常稀疏,從而導致一些預測方法在預測QoS缺失值時預測精度的下降。為此,推薦系統(tǒng)需要在QoS信息稀疏的情況下為用戶推薦滿足其個性化需求的服務。其次,針對QoS會隨著時間變化而不同的特性,需要研究時間感知的服務質量預測方法。為了解決以上兩個問題,本文提出了兩種基于神經網絡算法的Web服務質量預測方法。本文的主要貢獻如下:(1)提出了一種基于SOM算法的服務質量預測方法SOMQP。該方法通過引入具有拓撲結構的領域函數,將所有的神經元都置于一個根據先驗知識而事先確定的拓撲結構,從而可以達到較為穩(wěn)定的聚類結果。然后,根據聚類結果,應用一種新的Top-k選擇機制,為目標用戶和目標服務選擇相似用戶和相似服務。最后,采用混合的預測方法對缺失值進行預測。實驗結果表明,在數據非常稀疏的情況下該方法的預測精度優(yōu)于主流的預測算法。(2)提出了一種基于覆蓋算法的服務質量預測方法UIQPCA。該方法主要有兩個階段:基于歷史時間片的QoS預測和基于當前時間片的QoS預測。在基于歷史時間片的預測階段,首先需要根據前面時間片上用戶調用服務的歷史QoS數據,對該用戶調用該服務的下一個時間片上的缺失值進行預測;如果該用戶在之前的時間片上沒有調用過該服務,那么就需要使用覆蓋算法去識別目標用戶和目標服務的相似用戶和相似服務,然后基于相似用戶和相似服務的歷史QoS數據對缺失值進行預測。在第一階段對歷史時間片上的缺失值都預測填充后,就可以根據歷史時間片上的數據對當前時間片的所有的用戶-服務的QoS值進行預測。實驗結果表明,該方法可以很好地解決QoS動態(tài)變化時的預測問題。(3)最后,通過在真實WS-Dream數據集上進行大量實驗來驗證本文提出算法的預測精度。實驗結果表明,與經典的CF算法,基于改進的PCC預測算法和基于k-means的預測算法相比,SOMQP算法的QoS預測精度提高了 34.9%、29.5%和 4.3%;UIQPCA 算法的預測精度提高了 22.5%、11.9%和 8.7%。
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.09;TP183

【參考文獻】

相關期刊論文 前10條

1 劉樹棟;孟祥武;;一種基于移動用戶位置的網絡服務推薦方法[J];軟件學報;2014年11期

2 王海艷;楊文彬;王隨昌;李思瑞;;基于可信聯(lián)盟的服務推薦方法[J];計算機學報;2014年02期

3 楊陽;向陽;熊磊;;基于矩陣分解與用戶近鄰模型的協(xié)同過濾推薦算法[J];計算機應用;2012年02期

4 吳湖;王永吉;王哲;王秀利;杜栓柱;;兩階段聯(lián)合聚類協(xié)同過濾算法[J];軟件學報;2010年05期

5 邵凌霜;周立;趙俊峰;謝冰;梅宏;;一種Web Service的服務質量預測方法[J];軟件學報;2009年08期

6 范小芹;蔣昌俊;王俊麗;龐善臣;;隨機QoS感知的可靠Web服務組合[J];軟件學報;2009年03期

7 胡春華;吳敏;劉國平;;Web服務工作流中基于信任關系的QoS調度[J];計算機學報;2009年01期

8 雷小鋒;謝昆青;林帆;夏征義;;一種基于K-Means局部最優(yōu)性的高效聚類算法[J];軟件學報;2008年07期

9 吳濤,張鈴,張燕平;機器學習中的核覆蓋算法[J];計算機學報;2005年08期

10 丁振國,陳靜;基于關聯(lián)規(guī)則的個性化推薦系統(tǒng)[J];計算機集成制造系統(tǒng)-CIMS;2003年10期

，

本文編號：2606406