發(fā)布時(shí)間：2018-06-07 03:12

  本文選題：Web服務(wù) + QoS預(yù)測　； 參考：《燕山大學(xué)》2016年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,Web服務(wù)數(shù)量迅速龐大,具有相同或相似功能而服務(wù)質(zhì)量不同的Web服務(wù)也越來越多,在為用戶選擇具有某個(gè)功能的服務(wù)時(shí),還要考慮到服務(wù)的非功能屬性,即服務(wù)質(zhì)量(quality of service,簡稱QoS),如響應(yīng)時(shí)間,可用性,吞吐量等。因此,為用戶推薦和選擇最優(yōu)的Web服務(wù)成為了服務(wù)計(jì)算領(lǐng)域的一個(gè)重要的研究熱點(diǎn)。但是由于候選服務(wù)的增加,QoS信息的不完整程度越來越多,因此研究QoS的預(yù)測對考慮服務(wù)質(zhì)量屬性的服務(wù)推薦系統(tǒng)具有重大的意義。本文圍繞基于協(xié)同過濾的Web服務(wù)QoS預(yù)測問題與Web服務(wù)推薦問題進(jìn)行了深入的研究工作。首先,在協(xié)同過濾方法中,考慮用戶共同調(diào)用服務(wù)數(shù)與兩者分別調(diào)用服務(wù)數(shù)之間的關(guān)系對相似度計(jì)算的影響,同時(shí)利用最小共同調(diào)用數(shù)閾值,針對不同數(shù)據(jù)集調(diào)整相似度計(jì)算的標(biāo)準(zhǔn)。在相似鄰居選擇時(shí),引入最小相似度閾值取代傳統(tǒng)的Top-K算法。其次,針對基于皮爾遜相關(guān)系數(shù)計(jì)算相似度的協(xié)同預(yù)測方法中,忽略Web服務(wù)QoS之間的比率關(guān)系而造成的預(yù)測誤差,提出一種考慮相似比率的Web服務(wù)QoS協(xié)同預(yù)測方法SRPre。該方法基于歷史QoS數(shù)據(jù),將基于用戶和基于服務(wù)的協(xié)同預(yù)測方法相融合,根據(jù)預(yù)測對象QoS與相似鄰居QoS平均值之比來計(jì)算相似比率,在協(xié)同預(yù)測計(jì)算過程中加入相似比率獲得QoS預(yù)測值。同時(shí),提出了SRPre服務(wù)推薦平臺,其中采集器和數(shù)據(jù)中心的協(xié)作,解決了收集QoS數(shù)據(jù)的難點(diǎn),推薦模塊則由SRPre方法實(shí)現(xiàn)。最后,根據(jù)提出的SRPre服務(wù)推薦平臺和實(shí)驗(yàn)的需求,搭建實(shí)驗(yàn)原型系統(tǒng),在真實(shí)的數(shù)據(jù)集上,對SRPre方法進(jìn)行實(shí)驗(yàn)與分析,并與其他預(yù)測方法進(jìn)行對比。
[Abstract]:With the rapid development of Internet technology, there are more and more Web services with the same or similar functions and different quality of service. It also takes into account the non-functional attributes of service, namely quality of service (QoS), such as response time, availability, throughput, etc. Therefore, the recommendation and selection of optimal Web services for users has become an important research hotspot in the field of service computing. However, due to the increasing number of candidate services, the research on the prediction of QoS is of great significance to the service recommendation system considering the quality of service attributes. This paper focuses on the Web services QoS prediction problem and the Web services recommendation problem based on collaborative filtering. Firstly, in the collaborative filtering method, the influence of the relationship between the number of services called by the user and the number of services invoked separately on the similarity calculation is considered, and the threshold of the minimum number of common invocations is used at the same time. The standard of similarity calculation is adjusted for different data sets. In the selection of similar neighbors, the minimum similarity threshold is introduced to replace the traditional Top-K algorithm. Secondly, aiming at the prediction error caused by ignoring the ratio relationship between Web services QoS in the collaborative prediction method based on Pearson correlation coefficient calculation similarity, a Web service QoS collaborative prediction method considering similar ratio is proposed. Based on the historical QoS data, the method combines the user-based and service-based collaborative prediction methods, and calculates the similarity ratio according to the ratio of the QoS of the prediction object to the average value of the QoS of the similar neighbor. The QoS prediction value is obtained by adding a similar ratio in the process of collaborative prediction calculation. At the same time, the SRPre service recommendation platform is proposed, in which the collaboration between collector and data center solves the difficulty of collecting QoS data, and the recommendation module is implemented by SRPre method. Finally, according to the requirements of the proposed SRPre service recommendation platform and experiments, an experimental prototype system is built. On the real data set, the SRPre method is tested and analyzed, and compared with other prediction methods.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP393.09;TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃柳柳;黃河燕;史樹敏;;面向代碼相似度檢測的指紋選取方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年27期

2 鄭煒冬;;試卷相似度自動評估技術(shù)的研究[J];智能計(jì)算機(jī)與應(yīng)用;2011年06期

3 趙濤;肖建;;二型模糊相似度及其應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2013年08期

4 徐志明;李棟;劉挺;李生;王剛;袁樹侖;;微博用戶的相似性度量及其應(yīng)用[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

5 李桂林,陳曉云;關(guān)于聚類分析中相似度的討論[J];計(jì)算機(jī)工程與應(yīng)用;2004年31期

6 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

7 蔣鵬;;基于本體的應(yīng)急案例相似度算法研究[J];南昌高專學(xué)報(bào);2009年03期

8 何亞;;詞語相似度算法的分析與改進(jìn)[J];硅谷;2011年24期

9 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

10 焦鵬;唐見兵;查亞兵;;仿真可信度評估中相似度方法的改進(jìn)及其應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2007年12期

相關(guān)會議論文 前10條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

2 陸勁挺;路強(qiáng);劉曉平;;對比相似度計(jì)算方法及其在功能樹擴(kuò)展中的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

4 劉曉平;陸勁挺;;任意功能樹的物元相似度求解方法[A];全國第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

5 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

6 洪文學(xué);王金甲;常鳳香;宋佳霖;劉文遠(yuǎn);王立強(qiáng);;基于圖形特征增強(qiáng)的相似度分類器的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

7 雷慶;吳揚(yáng)揚(yáng);;一種基于語義信息計(jì)算XML文檔相似度的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2004年

8 葉正;林鴻飛;楊志豪;;基于問句相似度的中文FAQ問答系統(tǒng)研究[A];第三屆學(xué)生計(jì)算語言學(xué)研討會論文集[C];2006年

9 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

10 王健;劉衍珩;焦玉;;VANETs信任傳播建模[A];中國通信學(xué)會通信軟件技術(shù)委員會2009年學(xué)術(shù)會議論文集[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 王伽　衛(wèi)江;出入境證件照片應(yīng)及時(shí)更換[N];中國國門時(shí)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 操震洲;矢量數(shù)據(jù)動態(tài)多尺度網(wǎng)絡(luò)傳輸研究[D];南京大學(xué);2015年

2 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 劉振宇;基于區(qū)域相似度和特征降維的極化SAR影像分類[D];武漢大學(xué);2013年

4 曹，

本文編號：1989483