【摘要】：云計算的彈性服務模式深受業(yè)界好評,也造就了云服務市場的繁榮。日積月累,云服務市場充斥著海量且功能幾近相同,但服務質量(QoS)卻天差地別的云服務。用戶經(jīng)常需要在海量且同質化嚴重的云服務中做抉擇。推薦系統(tǒng)是解決這類信息過載問題首選的技術方案。因此,立足于QoS,借助推薦技術,從用戶角度向用戶主動推薦一組有序云服務集合是進行服務推薦行之有效的方法。服務推薦飽受QoS信息稀疏的困擾,造成該現(xiàn)狀的原因主要來自于云服務的特性。基于用戶角度對缺失QoS信息進行預測,補全QoS信息是有助于提高服務推薦準確率的重要工作。為達到產(chǎn)生有序云服務集合的目的,服務推薦需要對當前候選云服務進行排名。而在排名時,傳統(tǒng)只關注QoS的單一屬性。但QoS是一組多維度指標,因此在排名時加入QoS多屬性,能滿足用戶對于云服務的綜合偏好。綜合以上分析,本文基于用戶體驗進行服務推薦研究。首先針對單維缺失QoS預測問題,提出NearestGraph方法,完成補全單維QoS信息的目標。然后在此基礎上,根據(jù)稠密的QoS信息,結合QoS多屬性的特點,提出Multi-Ranking方法,達到服務推薦滿足用戶綜合偏好的效果。本文主要工作歸納為以下兩方面:(1)基于QoS單維屬性的缺失值預測研究。本文根據(jù)云服務市場中用戶和云服務這兩類角色所處狀態(tài)穩(wěn)定與否出發(fā),使用QoS指標衡量角色的狀態(tài),提出角色穩(wěn)定度的概念。本文在基于內存的協(xié)同過濾算法基礎上,利用圖結構暴露云服務市場中角色的內部聯(lián)系,通過擴展最近鄰圖融入角色穩(wěn)定度,至此本文提出了 NearestGraph算法。實驗結果也證實了 NearestGraph算法的有效性,契合了算法提出的初衷,對于不穩(wěn)定的角色,預測缺失值精度更高。(2)基于QoS多維屬性的云服務排名研究。本文通過比較統(tǒng)計學中關于排名相似度的計算指標,分析當前KRCC的不足,結合當前云服務市場的特點,給出改進的SRCC計算公式。在滿足用戶對于云服務非功能性綜合需求時,本文加入QoS多屬性的特點,對現(xiàn)有的選擇用戶近鄰的方法進行改進。至此本文提出了 Multi-Ranking算法。實驗部分通過對比現(xiàn)有的云服務排名算法,驗證了本文提出的Multi-Ranking算法的有效性,并對性能的提升進行了分析,佐證了改進SRCC的有效性。
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP393.09;TP391.3
【圖文】：

圖１－２云服務市場結構逡逑Ｆｉｇｕｒｅ邋１－２邋Ｃｌｏｕｄ邋Ｓｅｒｖｉｃｅ邋Ｍａｒｋｅｔｐｌａｃｅ邋Ａｒｃｈｉｔｅｃｔｕｒｅ逡逑

圖１－３混合結構逡逑．Ｆｉｇｕｒｅ邋１－３邋Ｈｙｂｒｉｄ邋Ａｒｃｈｉｔｅｃｔｕｒｅ逡逑

【參考文獻】

相關博士學位論文 前1條

1 張雪潔;基于QoS的個性化云服務推薦方法研究[D];南京航空航天大學;2015年

相關碩士學位論文 前6條

1 方晨;基于服務質量的云服務選取與推薦技術研究[D];戰(zhàn)略支援部隊信息工程大學;2018年

2 李濤;基于排名的云服務推薦的研究與優(yōu)化[D];北京交通大學;2018年

3 王澤源;考慮用戶滿意度的云服務排序推薦方法研究[D];合肥工業(yè)大學;2018年

4 李建麗;混合云環(huán)境下多目標優(yōu)化的云資源調度研究[D];北京交通大學;2017年

5 王少偉;融合用戶興趣與服務質量的Mashup服務推薦方法研究[D];湖南科技大學;2015年

6 黃云;基于QoS的云服務評價模型及應用的研究[D];浙江工商大學;2013年

本文編號：2729403