考虑相似比率的QoS协同预测与Web服务推荐

发布时间：2018-06-07 03:12

  本文选题：Web服务 + QoS预测　； 参考：《燕山大学》2016年硕士论文

【摘要】：随着互联网技术的快速发展,Web服务数量迅速庞大,具有相同或相似功能而服务质量不同的Web服务也越来越多,在为用户选择具有某个功能的服务时,还要考虑到服务的非功能属性,即服务质量(quality of service,简称QoS),如响应时间,可用性,吞吐量等。因此,为用户推荐和选择最优的Web服务成为了服务计算领域的一个重要的研究热点。但是由于候选服务的增加,QoS信息的不完整程度越来越多,因此研究QoS的预测对考虑服务质量属性的服务推荐系统具有重大的意义。本文围绕基于协同过滤的Web服务QoS预测问题与Web服务推荐问题进行了深入的研究工作。首先,在协同过滤方法中,考虑用户共同调用服务数与两者分别调用服务数之间的关系对相似度计算的影响,同时利用最小共同调用数阈值,针对不同数据集调整相似度计算的标准。在相似邻居选择时,引入最小相似度阈值取代传统的Top-K算法。其次,针对基于皮尔逊相关系数计算相似度的协同预测方法中,忽略Web服务QoS之间的比率关系而造成的预测误差,提出一种考虑相似比率的Web服务QoS协同预测方法SRPre。该方法基于历史QoS数据,将基于用户和基于服务的协同预测方法相融合,根据预测对象QoS与相似邻居QoS平均值之比来计算相似比率,在协同预测计算过程中加入相似比率获得QoS预测值。同时,提出了SRPre服务推荐平台,其中采集器和数据中心的协作,解决了收集QoS数据的难点,推荐模块则由SRPre方法实现。最后,根据提出的SRPre服务推荐平台和实验的需求,搭建实验原型系统,在真实的数据集上,对SRPre方法进行实验与分析,并与其他预测方法进行对比。
[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.
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09;TP391.3

【相似文献】

相关期刊论文 前10条

1 黄柳柳;黄河燕;史树敏;;面向代码相似度检测的指纹选取方法[J];计算机工程与应用;2010年27期

2 郑炜冬;;试卷相似度自动评估技术的研究[J];智能计算机与应用;2011年06期

3 赵涛;肖建;;二型模糊相似度及其应用[J];计算机工程与应用;2013年08期

4 徐志明;李栋;刘挺;李生;王刚;袁树仑;;微博用户的相似性度量及其应用[J];计算机学报;2014年01期

5 李桂林,陈晓云;关于聚类分析中相似度的讨论[J];计算机工程与应用;2004年31期

6 秦玉平;杨兴凯;;基于案例推理的区间属性相似度研究[J];辽宁师范大学学报(自然科学版);2006年04期

7 蒋鹏;;基于本体的应急案例相似度算法研究[J];南昌高专学报;2009年03期

8 何亚;;词语相似度算法的分析与改进[J];硅谷;2011年24期

9 仇丽青;陈卓艳;;基于共同邻居相似度的社区发现算法[J];信息系统工程;2014年05期

10 焦鹏;唐见兵;查亚兵;;仿真可信度评估中相似度方法的改进及其应用[J];系统仿真学报;2007年12期

相关会议论文 前10条

1 刘海波;郑德权;赵铁军;;基于相似度线性加权方法的检索结果聚类研究[A];中国计算语言学研究前沿进展（2009-2011）[C];2011年

2 陆劲挺;路强;刘晓平;;对比相似度计算方法及其在功能树扩展中的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 董刊生;方金云;;基于向量距离的词序相似度算法[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

4 刘晓平;陆劲挺;;任意功能树的物元相似度求解方法[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

5 王茜;张卫星;;基于分类树相似度加权的协同过滤算法[A];2008年计算机应用技术交流会论文集[C];2008年

6 洪文学;王金甲;常凤香;宋佳霖;刘文远;王立强;;基于图形特征增强的相似度分类器的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

7 雷庆;吴扬扬;;一种基于语义信息计算XML文档相似度的新方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

8 叶正;林鸿飞;杨志豪;;基于问句相似度的中文FAQ问答系统研究[A];第三届学生计算语言学研讨会论文集[C];2006年

9 罗辛;欧阳元新;熊璋;袁满;;通过相似度支持度优化基于K近邻的协同过滤算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

10 王健;刘衍珩;焦玉;;VANETs信任传播建模[A];中国通信学会通信软件技术委员会2009年学术会议论文集[C];2009年

相关重要报纸文章 前1条

1 王伽　卫江;出入境证件照片应及时更换[N];中国国门时报;2008年

相关博士学位论文 前10条

1 操震洲;矢量数据动态多尺度网络传输研究[D];南京大学;2015年

2 程亮;基于本体的疾病数据整合与挖掘方法研究[D];哈尔滨工业大学;2014年

3 刘振宇;基于区域相似度和特征降维的极化SAR影像分类[D];武汉大学;2013年

4 曹，

本文编号：1989483