基于QoS的Web服务预测推荐机制与算法研究

发布时间：2023-05-30 21:45

　　随着基于Web服务面向服务架构(SOA)框架的发展,对于没有经验的服务使用者来说,选择合适优质的服务是一种挑战。为此服务框架需要为用户提供建议选择。因此基于服务质量(QoS)的,对服务的预测和推荐的机制和算法研究变得越发重要。通过Web服务的相关技术建立服务运行调度框架,依靠对于QoS的处理形成一套预测和推荐的机制,使得服务系统能够完整和高效运行。本文立足于服务预测机制的采样、预测等重要环节,解决Web服务预测过程中的冷启动问题和数据稀疏性问题,在分析Web QoS数据集概率分布的基础上,对服务质量QoS的Web服务推荐机制与算法展开研究和实验。本文提出了新型的基于概率分布分析的服务采样方法提高采样数据信息含量,从采样环节提高了服务预测的效率。其次,为进一步改进服务预测方法提高预测精度,在服务预测环节,基于随机游走提高近邻相似度,并结合矩阵分解的方法提出了新式增强型算法。最后,在原始和训练数据概率分布检测的基础上,对多种算法的预测结果进行融合,进一步提升预测准确度。本文研究主要在提出服务预测机制算法的基础上,通过对于Web QoS数据集的仿真实验,对比同类方法的预测精度和运行效果,来验...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1 研究背景
    2 研究现状
        2.1 基于近邻的协同过滤
        2.2 基于模型的协同过滤
    3 研究内容和成果
    4 论文组织结构
第二章 相关概念和技术
    1 Web服务基于SOA的服务框架
    2 QoS的相关技术和数据结构
    3 基于QoS的服务预测推荐框架
    4 本章小结
第三章 基于重要性重采样的服务采样
    1 内容概述
    2 问题的描述
    3 EIS模型设计原理
        3.1 基于用户或服务的简单随机采样
        3.2 基于领域的随机采样
        3.3 Web QoS数据集上的拒绝采样
        3.4 基于Metropolis-hastings的采样
        3.5 重要性重采样
        3.6 增强型重要性重采样
    4 仿真实验和分析
        4.1 实验数据
        4.2 评价指标
        4.3 采样方法的时间消耗
        4.4 采样方法下的预测精度
        4.5 不同预测方法的精度
        4.6 采样算法的参数
    5 本章小结
第四章 基于随机游走的矩阵增强服务预测
    1 内容概述
    2 问题描述
        2.1 冷启动和稀疏性
        2.2 基于矩阵分解的方法
        2.3 基于随机游走的方法
        2.4 Web服务的领域信息
        2.5 主要工作
    3 RWEMF算法的提出
        3.1 矩阵分解求隐含矩阵
        3.2 相似度计算
        3.3 随机游走模型
        3.4 混合预测算法
        3.5 算法复杂度
    4 仿真实验和分析
        4.1 预测的准确性
        4.2 实验参数分析
    5 本章小结
第五章 基于概率分布检测的模型融合
    1 内容概述
    2 问题描述
        2.1 原始数据分布
        2.2 预测数据的概率分布
        2.3 分布的检测
        2.4 分布的评价
    3 DHEM算法的提出
        3.1 增强型混合相似度
        3.2 DHEM混合预测算法
    4 仿真实验和分析
        4.1 DHEM对比实验
        4.2 高斯分布下的DHEM
        4.3 KLD度量参数
        4.4 DHEM采样划分间隔数
        4.5 混合相似度
        4.6 DHEM在其他数据集
    5 本章小结
第六章 总结与展望
    1 本文工作总结
    2 未来研究展望
参考文献
致谢
攻读硕士学位期间发表的论文



本文编号：3825093