隨著互聯(lián)網(wǎng)技術的不斷發(fā)展以及與之相關的服務規(guī)模的不斷擴大,具備相同功能屬性但不同非功能屬性的候選服務不斷涌現(xiàn)。這使得用戶在構建服務應用的過程中需要面對海量的候選服務集合,這一方面讓用戶有更多機會去尋找滿足自己需求的優(yōu)質服務,然而另一方面也增加了用戶的篩選成本。因此,海量服務場景下的服務識別能否高效準確且滿足用戶需求就顯得至關重要。然而,傳統(tǒng)的服務識別方法大多通過利用自上而下或者自下而上這兩種服務識別策略制定服務識別指標,從而實現(xiàn)對服務識別工作。然而這一類方法忽略了用戶本身的需求與所制定的指標存在差異。同時,現(xiàn)有的識別方法較少關注用戶與服務的反饋關系,默認提供反饋的用戶都是可信的,導致性能低下的服務被誤識別為優(yōu)質服務,影響服務識別效果。因此,在服務識別系統(tǒng)當中,用戶希望系統(tǒng)能夠找到真正滿足自己需求的優(yōu)質服務。為了提高服務識別系統(tǒng)的計算效率以及識別質量,本文的主要工作如下:1)從用戶角度出發(fā),提出了基于用戶需求的面向海量數(shù)據(jù)的服務識別方法。該方法首先利用BIRCH算法對服務進行初步識別,再利用PSO算法對識別后的服務組進行再次篩選,選出整體性能較優(yōu)的服務;利用Beth信任模型對用戶QoE進行...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖2.1群智感知典型體系結構

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

圖3.1基于用戶需求的面向大數(shù)據(jù)的服務識別方法過程

過對現(xiàn)有工作的調研與分析，現(xiàn)有絕大多數(shù)方法存在以下兩個不足：服務識別指標過于粗略。理論上說QoS應該是服務識別的唯一指標，但用戶真務的真實QoS，而用戶期望的QoS和服務真實的QoS往往存在較大差距，導致未必滿足用戶需求。服務識別缺乏可信監(jiān)控機制�，F(xiàn)有的識別方法較少....

圖3.3服務識別方法時間開銷比較

我們對于PSO-MapReduce的參數(shù)設置如下：慣權重1=0.6，種群最好位置速度權重2=1.5。分析[28]提出的一種將信任與用戶偏好相結合的新型多目標5]提出的面向用戶需求的RESTful服務發(fā)現(xiàn)方法(GOSDSI-BD方法進行對比。量服務場景下的效率問題....

圖3.4服務識別方法精度對比

位碩士研究生學位論文第三章基于用戶需求的面向海量A方法。結果的效果，我們采用精度和召回率作為評判標準，精果越好。同樣在海量服務場景下，我們將服務池中的服1000增加到5000。并且適應度函數(shù)閾值fitness0.4圖3.5所示：

本文編號：4025556