發(fā)布時間：2020-07-13 07:40

【摘要】：QoS屬性是衡量Web服務質量的重要指標,對Web服務缺失的QoS屬性值進行預測能夠更好地為用戶提供服務,所以準確預測QoS屬性值具有重要意義。目前大多數(shù)的預測方法都是基于近鄰或模型的協(xié)同過濾算法,采用的大多是根據(jù)用戶和服務的歷史信息建立的“用戶-服務”二維矩陣,預測的QoS值是靜態(tài)的。當前的互聯(lián)網(wǎng)Web服務調用場景比較復雜,用戶在不同的時間段、不一樣的地理位置都會對Web服務進行訪問,此時的QoS值是動態(tài)變化的。傳統(tǒng)的二維矩陣數(shù)據(jù)已經(jīng)無法滿足QoS預測的需求,且矩陣數(shù)據(jù)沒有考慮時間等因素的影響,導致預測的準確率也不高。為了解決該問題,本文將時間信息維度引入張量模型,建立“用戶-服務-時間”的三維張量,然后利用貝葉斯算法求解張量分解模型。本文主要工作如下:(1)提出了一種基于貝葉斯張量分解的Web服務QoS預測方法(BRTF)。該算法首先建立帶時間信息的張量模型,然后使用貝葉斯推斷方法,即用概率的形式去進行CP分解,同時構建了CP分解的分層概率框架,該框架考慮到用戶與服務數(shù)據(jù)交互過程中產(chǎn)生的異常值和數(shù)據(jù)噪聲,使得預測模型更加真實有效。(2)本文將該算法運用于真實的Web服務數(shù)據(jù)集WSDream,在Matlab運行環(huán)境中對不同數(shù)據(jù)集密度下預測的MAE值和RMSE值進行仿真計算,然后將UMEAN、UPCC、WSRec三種算法與BRTF算法進行對比,分析其可行性和優(yōu)劣性。實驗結果表明,本文算法相較于其他的推薦算法,MAE值和RMSE值更小,即預測值更接近于真實值,具有更好的QoS預測效果;同時,在數(shù)據(jù)比較稀疏時也體現(xiàn)出相對較好的預測準確度。
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.09

【參考文獻】

相關期刊論文 前7條

1 劉軍;蘇新凌;蘇紹熙;湯詩陽;;接口技術在系統(tǒng)開發(fā)中的應用[J];西部廣播電視;2015年13期

2 鄒本友;李翠平;譚力文;陳紅;王紹卿;;基于用戶信任和張量分解的社會網(wǎng)絡推薦[J];軟件學報;2014年12期

3 吳彬;李俊娥;;基于動態(tài)需求服務反饋的Web業(yè)務可信度協(xié)同計算[J];計算機應用研究;2015年05期

4 唐明董;姜葉春;劉建勛;;用戶位置感知的Web服務QoS預測方法[J];小型微型計算機系統(tǒng);2012年12期

5 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機工程與應用;2012年07期

6 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

7 宮秀軍,史忠植;基于Bayes潛在語義模型的半監(jiān)督Web挖掘[J];軟件學報;2002年08期

相關碩士學位論文 前5條

1 唐妮;基于位置聚類和張量分解的Web服務推薦研究與應用[D];重慶大學;2016年

2 朱建斐;數(shù)據(jù)集缺失數(shù)據(jù)恢復算法研究[D];西安電子科技大學;2015年

3 馮艷;基于QoS多屬性決策的Web服務組合研究[D];天津大學;2014年

4 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

5 李小慶;基于張量分解的新用戶標簽推薦研究[D];中南大學;2012年

本文編號：2753165