基于多维信息挖掘的服务选择关键技术研究

发布时间：2022-12-17 19:31

　　随着Web服务技术的发展,许多服务提供者能够将其生产的组件和应用系统封装为Web服务发布至网络,使用者（用户）能够在网络中选择Web服务进行直接调用,或通过服务组合的方式来构建新的应用系统（增值服务）以满足自身业务的需求。然而,由于Web服务数量的不断增长,加上Web服务的分布特性（信息发布分散和位置分布分散）、组合服务流程模型设计粗粒度及个性化的用户偏好等多种复杂因素的存在,严重影响了高质量服务组合方案的选择。为此,本文基于网络中与Web服务相关的多维信息,以快速、有效的Web服务选择为目标,对改善选择性能的关键技术展开研究。具体成果如下： 第一,提高查找候选服务集合的效率。基于Web服务的描述文件信息和少量分类信息,本文提出了一个基于半监督学习的Web服务功能类别挖掘方法（Semi-supervised Learning Method for Web Service Functional Category Mining, SLM-WFCM）。SLM-WFCM选取与Web服务业务功能相关的元素（包括端口类型、操作、消息和类型）作为处理对象,利用元素之间的引用关系计算Web服务与... 

【文章页数】：113 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1. 研究背景
        1.1.1. Web服务与Web服务组合
        1.1.2. Web服务选择
        1.1.3. 面临的挑战
    1.2. 课题来源
    1.3. 主要研究工作及贡献
    1.4. 论文内容和结构
    1.5. 本章参考文献
第二章 相关工作综述
    2.1. Web服务功能类别挖掘研究现状
        2.1.1. 基于有监督分类的Web服务功能类别挖掘方法
        2.1.2. 基于无监督聚类的Web服务功能类别挖掘方法
        2.1.3. 已有工作分析
    2.2. Web服务质量预测研究现状
        2.2.1. 基于随机模型的服务质量预测方法
        2.2.2. 基于协同过滤的服务质量预测方法
        2.2.3. 已有工作分析
    2.3. Web服务选择方法研究现状
        2.3.1. 支持全局QoS约束的服务选择方法
        2.3.2. 支持多种约束的服务选择方法
        2.3.3. 已有工作分析
    2.4. 本章小结
    2.5. 本章参考文献
第三章 基于半监督学习的Web服务功能类别挖掘方法
    3.1. 引言
    3.2. 基于半监督学习的Web服务功能类别挖掘方法
        3.2.1. Web服务与Web服务操作之间的相似矩阵计算
        3.2.2. 监督信息的嵌入
        3.2.3. 基于奇异值分解的快速挖掘
    3.3. 仿真实验
        3.3.1. 挖掘效率分析
        3.3.2. 挖掘效果分析
    3.4. 本章小结
    3.5. 本章参考文献
第四章 基于多维特征挖掘的服务质量预测方法
    4.1. 引言
    4.2. 多维QoS预测问题描述
    4.3. 基于多维特征挖掘的服务质量预测方法
        4.3.1. 多维QoS属性归一化处理
        4.3.2. 基于非负矩阵分解的Web服务特征挖掘
        4.3.3. 基于差分进化多输出支持向量机的服务质量预测
    4.4. 仿真实验
        4.4.1. 实验数据集合与评价指标
        4.4.2. 预测的整体效果
        4.4.3. 预测效果对比
    4.5. 本章小结
    4.6. 本章参考文献
第五章 基于局部近似过滤的多约束服务选择方法
    5.1. 引言
    5.2. 多约束服务选择问题描述
        5.2.1. QoS聚合模型
        5.2.2. 问题描述
    5.3. 基于局部近似过滤的多约束服务选择方法
        5.3.1. 方法的整体步骤
        5.3.2. 基于有向粒子群算法的服务选择
    5.4. 仿真实验
        5.4.1. 不同服务数量下的选择性能
        5.4.2. 不同任务规模下的选择性能
        5.4.3. 不同约束规模下的选择性能
    5.5. 本章小结
    5.6. 本章参考文献
第六章 结束语
    6.1. 论文总结
    6.2. 进一步研究工作
致谢
攻读博士学位期间发表论文
攻读博士学位期间参与项目


【参考文献】：
期刊论文
[1]融合描述文档结构和参引特征的Web服务发现[J]. 魏登萍,王挺,王戟.  软件学报. 2011(09)
[2]基于全局QoS约束分解的Web服务动态选择[J]. 王尚广,孙其博,杨放春.  软件学报. 2011(07)
[3]基于非均衡变异离散粒子群算法的QoS全局最优Web服务选择方法[J]. 王文彬,孙其博,赵新超,杨放春.  电子学报. 2010(12)
[4]基于Skyline的QoS感知的动态服务选择[J]. 吴健,陈亮,邓水光,李莹,邝砾.  计算机学报. 2010(11)
[5]基于离散微粒群算法的动态Web服务选择[J]. 范小芹,蒋昌俊,方贤文,丁志军.  计算机研究与发展. 2010(01)
[6]一种Web Service的服务质量预测方法[J]. 邵凌霜,周立,赵俊峰,谢冰,梅宏.  软件学报. 2009(08)
[7]基于遗传算法的QoS感知的Web服务选择[J]. 张成文,苏森,陈俊亮.  计算机学报. 2006(07)
[8]文本聚类中的贝叶斯后验模型选择方法[J]. 姜宁,史忠植.  计算机研究与发展. 2002(05)

博士论文
[1]基于协同过滤的个性化Web推荐[D]. 孙慧峰.北京邮电大学 2012
[2]基于协同过滤与QoS的个性化Web服务推荐研究[D]. 谢琪.重庆大学 2012
[3]Web服务组合的可靠性预测研究[D]. 钟读杭.国防科学技术大学 2007



本文编号：3720516