基于贝叶斯张量分解的网络服务QoS预测模型研究

发布时间：2020-07-13 07:40

【摘要】：QoS属性是衡量Web服务质量的重要指标,对Web服务缺失的QoS属性值进行预测能够更好地为用户提供服务,所以准确预测QoS属性值具有重要意义。目前大多数的预测方法都是基于近邻或模型的协同过滤算法,采用的大多是根据用户和服务的历史信息建立的“用户-服务”二维矩阵,预测的QoS值是静态的。当前的互联网Web服务调用场景比较复杂,用户在不同的时间段、不一样的地理位置都会对Web服务进行访问,此时的QoS值是动态变化的。传统的二维矩阵数据已经无法满足QoS预测的需求,且矩阵数据没有考虑时间等因素的影响,导致预测的准确率也不高。为了解决该问题,本文将时间信息维度引入张量模型,建立“用户-服务-时间”的三维张量,然后利用贝叶斯算法求解张量分解模型。本文主要工作如下:(1)提出了一种基于贝叶斯张量分解的Web服务QoS预测方法(BRTF)。该算法首先建立带时间信息的张量模型,然后使用贝叶斯推断方法,即用概率的形式去进行CP分解,同时构建了CP分解的分层概率框架,该框架考虑到用户与服务数据交互过程中产生的异常值和数据噪声,使得预测模型更加真实有效。(2)本文将该算法运用于真实的Web服务数据集WSDream,在Matlab运行环境中对不同数据集密度下预测的MAE值和RMSE值进行仿真计算,然后将UMEAN、UPCC、WSRec三种算法与BRTF算法进行对比,分析其可行性和优劣性。实验结果表明,本文算法相较于其他的推荐算法,MAE值和RMSE值更小,即预测值更接近于真实值,具有更好的QoS预测效果;同时,在数据比较稀疏时也体现出相对较好的预测准确度。
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.09

【参考文献】

相关期刊论文 前7条

1 刘军;苏新凌;苏绍熙;汤诗阳;;接口技术在系统开发中的应用[J];西部广播电视;2015年13期

2 邹本友;李翠平;谭力文;陈红;王绍卿;;基于用户信任和张量分解的社会网络推荐[J];软件学报;2014年12期

3 吴彬;李俊娥;;基于动态需求服务反馈的Web业务可信度协同计算[J];计算机应用研究;2015年05期

4 唐明董;姜叶春;刘建勋;;用户位置感知的Web服务QoS预测方法[J];小型微型计算机系统;2012年12期

5 王国霞;刘贺平;;个性化推荐系统综述[J];计算机工程与应用;2012年07期

6 邵凌霜;周立;赵俊峰;谢冰;梅宏;;一种Web Service的服务质量预测方法[J];软件学报;2009年08期

7 宫秀军,史忠植;基于Bayes潜在语义模型的半监督Web挖掘[J];软件学报;2002年08期

相关硕士学位论文 前5条

1 唐妮;基于位置聚类和张量分解的Web服务推荐研究与应用[D];重庆大学;2016年

2 朱建斐;数据集缺失数据恢复算法研究[D];西安电子科技大学;2015年

3 冯艳;基于QoS多属性决策的Web服务组合研究[D];天津大学;2014年

4 黄云;基于QoS的云服务评价模型及应用的研究[D];浙江工商大学;2013年

5 李小庆;基于张量分解的新用户标签推荐研究[D];中南大学;2012年

本文编号：2753165