本文關(guān)鍵詞：基于矩陣分解的Web服務(wù)個性化QoS預(yù)測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：Web服務(wù)是一種通過標(biāo)準(zhǔn)協(xié)議用以保證互聯(lián)網(wǎng)上異構(gòu)平臺間的應(yīng)用服務(wù)可進(jìn)行互操作的技術(shù)。隨著互聯(lián)網(wǎng)以及Web服務(wù)技術(shù)的快速發(fā)展，企業(yè)的開發(fā)需求不斷更迭，因此，Web服務(wù)的數(shù)量也正在變得越來越多。然而，當(dāng)用戶面對眾多具有一致或者類似功能實(shí)現(xiàn)的Web服務(wù)，如何選擇其中最佳的Web服務(wù)用以構(gòu)建Web應(yīng)用成為了一個極具價值的研究課題。由于網(wǎng)絡(luò)的不穩(wěn)定性，并且不同用戶所處的網(wǎng)絡(luò)環(huán)境不同，服務(wù)提供商不能保證同一Web服務(wù)對所有的用戶具有相同的QoS。并且，，讓所有用戶調(diào)用存在于互聯(lián)網(wǎng)上所有的Web服務(wù)以收集個性化的QoS記錄又是不切實(shí)際的。因此，如何準(zhǔn)確地預(yù)測QoS以輔助選擇合適的服務(wù)來構(gòu)建Web應(yīng)用也成了一個亟待解決的問題。 本文論述了稀疏歷史數(shù)據(jù)條件下關(guān)于QoS預(yù)測問題所面臨的難點(diǎn)，分析了近年來國內(nèi)外的關(guān)于QoS預(yù)測的研究現(xiàn)狀與進(jìn)展，設(shè)計了兩種模型用以預(yù)測Web服務(wù)QoS，并通過模型融合的方法結(jié)合兩者的優(yōu)勢，以期最終提高QoS的預(yù)測精度。 首先，論文簡要地介紹了Web服務(wù)QoS預(yù)測問題所涉及的知識與技術(shù)，包括了Web服務(wù)、QoS概念、各種推薦技術(shù)以及相似度算法等；其次，將基準(zhǔn)偏置模型引入概率矩陣分解模型，并且將相似鄰居的先驗(yàn)信息加入已有概率模型，推導(dǎo)出含有相似鄰居正則化項(xiàng)的概率矩陣分解（PMF）模型；再次，提出一種擴(kuò)展的基準(zhǔn)偏置模型，并且將一部分上下文信息通過潛在特征空間映射的方式構(gòu)建容納更多信息的概率模型；然后，結(jié)合上述兩種模型的優(yōu)勢，提出了基于相似鄰居正則化與潛在特征空間映射的混合模型；最后，分別針對上述三種模型進(jìn)行了實(shí)驗(yàn)驗(yàn)證與分析，用以證明本文提出的模型的有效性，尤其是數(shù)據(jù)稀疏的情況下。
【關(guān)鍵詞】：Web服務(wù) QoS預(yù)測 概率矩陣分解 數(shù)據(jù)稀疏 潛在特征空間 正則化
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.09
【目錄】：

• 摘要5-6
• ABSTRACT6-7
• 目錄7-9
• 第1章 緒論9-14
• 1.1 課題的研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 主要研究內(nèi)容11-12
• 1.4 本文的組織結(jié)構(gòu)12-14
• 第2章 Web 服務(wù)及推薦系統(tǒng)14-23
• 2.1 Web 服務(wù)和 QoS14-16
• 2.1.1 Web 服務(wù)基本概念14-15
• 2.1.2 Web 服務(wù)的技術(shù)及 QoS 介紹15-16
• 2.2 推薦系統(tǒng)16-18
• 2.2.1 用戶特征向量生成模塊17
• 2.2.2 特征-物品相關(guān)推薦模塊17-18
• 2.2.3 過濾與排名模塊18
• 2.3 協(xié)同過濾算法介紹18-20
• 2.3.1 基于內(nèi)存的協(xié)同過濾算法18-19
• 2.3.2 基于模型的協(xié)同過濾算法19-20
• 2.4 相似度算法20-22
• 2.5 本章小結(jié)22-23
• 第3章 基于概率矩陣分解的 Web 服務(wù) QoS 預(yù)測方法23-33
• 3.1 引言23-24
• 3.2 問題描述24-25
• 3.3 算法設(shè)計25-32
• 3.3.1 概率矩陣分解模型25-27
• 3.3.2 基于偏置的概率矩陣分解模型27-29
• 3.3.3 基于相似鄰居正則化的概率矩陣分解模型29-31
• 3.3.4 基于相似鄰居正則化的偏置概率矩陣分解模型31-32
• 3.4 本章小結(jié)32-33
• 第4章 基于潛在因子模型的 Web 服務(wù) QoS 預(yù)測方法33-41
• 4.1 引言33-34
• 4.2 問題描述34-35
• 4.3 算法設(shè)計35-38
• 4.3.1 擴(kuò)展的基準(zhǔn)偏置模型35-36
• 4.3.2 基于奇異值分解的潛在因子模型36
• 4.3.3 基于潛在特征空間映射的近鄰模型36-37
• 4.3.4 基于近鄰模型與潛在因子模型相結(jié)合的 QoS 預(yù)測方法37-38
• 4.4 基于相似鄰居正則化與潛在特征空間映射的混合 PMF 模型38-40
• 4.5 本章小結(jié)40-41
• 第5章 實(shí)驗(yàn)驗(yàn)證與分析41-48
• 5.1 實(shí)驗(yàn)準(zhǔn)備41-42
• 5.2 評測指標(biāo)42-43
• 5.2.1 平均值誤差42
• 5.2.2 均方根誤差42-43
• 5.3 基于相似鄰居正則化的概率矩陣分解模型實(shí)驗(yàn)驗(yàn)證與分析43-45
• 5.3.1 算法性能比較43
• 5.3.2 參數(shù)k 對預(yù)測準(zhǔn)確率的影響43-44
• 5.3.3 參數(shù)d 對預(yù)測準(zhǔn)確率的影響44-45
• 5.4 基于潛在特征空間特征映射的潛在因子模型實(shí)驗(yàn)驗(yàn)證與分析45-46
• 5.4.1 算法性能比較45
• 5.4.2 參數(shù)對預(yù)測準(zhǔn)確率的影響45-46
• 5.4.3 參數(shù)d 對預(yù)測準(zhǔn)確率的影響46
• 5.5 綜合實(shí)驗(yàn)驗(yàn)證與分析46-47
• 5.6 本章小結(jié)47-48
• 第6章 總結(jié)與展望48-50
• 6.1 工作總結(jié)48-49
• 6.2 工作展望49-50
• 致謝50-51
• 參考文獻(xiàn)51-56
• 附錄56-57
• 詳細(xì)摘要57-60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機(jī)工程與應(yīng)用;2012年07期

2 馮名正;;Web服務(wù)組合研究綜述[J];計算機(jī)應(yīng)用與軟件;2007年02期

  本文關(guān)鍵詞：基于矩陣分解的Web服務(wù)個性化QoS預(yù)測方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：333363