隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展以及與之相關(guān)的服務(wù)規(guī)模的不斷擴(kuò)大,具備相同功能屬性但不同非功能屬性的候選服務(wù)不斷涌現(xiàn)。這使得用戶(hù)在構(gòu)建服務(wù)應(yīng)用的過(guò)程中需要面對(duì)海量的候選服務(wù)集合,這一方面讓用戶(hù)有更多機(jī)會(huì)去尋找滿(mǎn)足自己需求的優(yōu)質(zhì)服務(wù),然而另一方面也增加了用戶(hù)的篩選成本。因此,海量服務(wù)場(chǎng)景下的服務(wù)識(shí)別能否高效準(zhǔn)確且滿(mǎn)足用戶(hù)需求就顯得至關(guān)重要。然而,傳統(tǒng)的服務(wù)識(shí)別方法大多通過(guò)利用自上而下或者自下而上這兩種服務(wù)識(shí)別策略制定服務(wù)識(shí)別指標(biāo),從而實(shí)現(xiàn)對(duì)服務(wù)識(shí)別工作。然而這一類(lèi)方法忽略了用戶(hù)本身的需求與所制定的指標(biāo)存在差異。同時(shí),現(xiàn)有的識(shí)別方法較少關(guān)注用戶(hù)與服務(wù)的反饋關(guān)系,默認(rèn)提供反饋的用戶(hù)都是可信的,導(dǎo)致性能低下的服務(wù)被誤識(shí)別為優(yōu)質(zhì)服務(wù),影響服務(wù)識(shí)別效果。因此,在服務(wù)識(shí)別系統(tǒng)當(dāng)中,用戶(hù)希望系統(tǒng)能夠找到真正滿(mǎn)足自己需求的優(yōu)質(zhì)服務(wù)。為了提高服務(wù)識(shí)別系統(tǒng)的計(jì)算效率以及識(shí)別質(zhì)量,本文的主要工作如下:1)從用戶(hù)角度出發(fā),提出了基于用戶(hù)需求的面向海量數(shù)據(jù)的服務(wù)識(shí)別方法。該方法首先利用BIRCH算法對(duì)服務(wù)進(jìn)行初步識(shí)別,再利用PSO算法對(duì)識(shí)別后的服務(wù)組進(jìn)行再次篩選,選出整體性能較優(yōu)的服務(wù);利用Beth信任模型對(duì)用戶(hù)QoE進(jìn)行...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1群智感知典型體系結(jié)構(gòu)

圖2.1群智感知典型體系結(jié)構(gòu)生出的群智感知近年來(lái)備受關(guān)注。群數(shù)據(jù)獲取模式[54]，隨著各種移動(dòng)和便的普及和廣泛使用，群智感知提供了一

圖3.1基于用戶(hù)需求的面向大數(shù)據(jù)的服務(wù)識(shí)別方法過(guò)程

過(guò)對(duì)現(xiàn)有工作的調(diào)研與分析，現(xiàn)有絕大多數(shù)方法存在以下兩個(gè)不足：服務(wù)識(shí)別指標(biāo)過(guò)于粗略。理論上說(shuō)QoS應(yīng)該是服務(wù)識(shí)別的唯一指標(biāo)，但用戶(hù)真務(wù)的真實(shí)QoS，而用戶(hù)期望的QoS和服務(wù)真實(shí)的QoS往往存在較大差距，導(dǎo)致未必滿(mǎn)足用戶(hù)需求。服務(wù)識(shí)別缺乏可信監(jiān)控機(jī)制�，F(xiàn)有的識(shí)別方法較少....

圖3.3服務(wù)識(shí)別方法時(shí)間開(kāi)銷(xiāo)比較

我們對(duì)于PSO-MapReduce的參數(shù)設(shè)置如下：慣權(quán)重1=0.6，種群最好位置速度權(quán)重2=1.5。分析[28]提出的一種將信任與用戶(hù)偏好相結(jié)合的新型多目標(biāo)5]提出的面向用戶(hù)需求的RESTful服務(wù)發(fā)現(xiàn)方法(GOSDSI-BD方法進(jìn)行對(duì)比。量服務(wù)場(chǎng)景下的效率問(wèn)題....

圖3.4服務(wù)識(shí)別方法精度對(duì)比

位碩士研究生學(xué)位論文第三章基于用戶(hù)需求的面向海量A方法。結(jié)果的效果，我們采用精度和召回率作為評(píng)判標(biāo)準(zhǔn)，精果越好。同樣在海量服務(wù)場(chǎng)景下，我們將服務(wù)池中的服1000增加到5000。并且適應(yīng)度函數(shù)閾值fitness0.4圖3.5所示：

本文編號(hào)：4025556