融合共同调用和数据波动的Web服务推荐方法与应用研究
发布时间：2021-11-16 04:37
随着互联网技术的不断革新和发展,Web服务推荐与选取已经逐渐成为工业界和学术界共同关注的重要研究内容,服务质量（Quality of Service,简称QoS）是影响Web服务推荐的关键性因素。然而,目前已有的基于QoS的Web服务推荐理论方法和Web服务推荐应用研究方面都存在着一定的问题。为了解决这些存在的问题,完成了如下工作内容。首先,分析总结了基于用户的协同过滤算法中不同相似度计算方法其各自的优缺点和所适应的不同数据环境,提出一种基于协同过滤的融合共同调用和数据波动的相似度计算方法,该方法考虑了共同调用和数据波动的因素,将其量化加入到皮尔逊相似度计算方法中,提高了相似度计算的准确性,进而提高了QoS预测的准确性。其次,在进行QoS预测时将基于用户的QoS预测方法和基于服务的QoS预测方法同时考虑进来,通过相似邻居的相似度分解出自信度,结合人为加入参数平衡两种方法对于预测结果所占的权重,进行基于用户和基于服务的QoS混合协同预测,提高了QoS预测的全面性和准确性。再次,分层设计并实现了基于QoS的全方位Web服务研究与推荐平台,平台涵盖了多种用户角色以及在Web服务研究与推荐方面...
【文章来源】：燕山大学河北省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
用户搜索验证码Web服务时平台给出的服务推荐为了证明通过用户对Web服务进行功能需求的搜索，平台推荐的是高质量的Web服务，分析平台数据库中的Web服务表WS_SeviceList发现，搜索出的服务有
到低为用户推荐验证码的 Web 服务，很好的达到了预期的最佳效果。5.3 平台 QoS 预测算法对比模型应用实例基于 QoS 的全方位 Web 服务研究与推荐平台在设计时，考虑了在该领域进行研究的科研人员这一角色，随着 Web 服务推荐技术的发展，该领域的研究人员也越来越多，于是，各种优秀的 QoS 预测算法层出不穷，科研人员都争相努力，为用户更准确、更方便的推荐 Web 服务做出自己的研究贡献。而在考虑 QoS 的推荐算法中，Web 服务的 QoS 预测准确度的高低决定了推荐算法的优劣，在该领域的研究者们提出了大量的 QoS 预测算法模型，针对这些模型，研究者们需要进行大量代码的书写，并且需要自己动手实现其他的算法，与之进行预测准确度的对比。这样给研究人员造成了诸多麻烦，消耗了大量的时间和精力。为了解决这一问题，本文上一章设计实现了 Web 服务 QoS 预测算法对比模型，本节通过实现一组算法的对比来解释分析该模型。图 5-2 为一组 QoS 预测算法在基于上一章提出的 QoS 预测算法对比模型中的对比实验。
- 59 -图 5-3 Web 服务性能测试模型对某一 Web 服务进行性能测试在对 Web 服务性能数据测试采集后，要对采集到的数据进行可视化展示和分析，而通常从单一的数据中并不能进行很好的对比分析，所以平台通过将测试后的数据按照不同数据类型进行分组可视化展示和分析，从而可以更直观的了解、观察和分析服务的质量。平台的可视化分析流程大致可以描述如下：根据在服务器端配置的服务信息，成功执行测试流程后客户端将数据传送到服务器端数据库，后台在对数
【参考文献】：
期刊论文
[1]数字经济下跨境电商B2C模式的问题研究[J]. 邬展霞,田璐,华梦宇,王凤. 纳税. 2019(05)
[2]基于内容的推荐与协同过滤融合的新闻推荐分析与探究[J]. 许媛萍. 新闻研究导刊. 2018(13)
[3]基于关联规则挖掘的OJ推荐方法[J]. 朱国进,凌晓晨. 智能计算机与应用. 2018(02)
[4]基于关联规则挖掘的分类随机游走算法[J]. 施海鹰. 计算机技术与发展. 2017(09)
[5]一种基于贝叶斯网络的个性化协同过滤推荐方法研究[J]. 付永平,邱玉辉. 计算机科学. 2016(09)
[6]基于社会网络的可信Web服务选择研究[J]. 吴菊华,程小燕,曹强,莫赞. 计算机科学. 2016(01)
[7]云计算环境下Web服务集成系统的研究[J]. 刘菲,郝风杰. 计算机科学. 2015(S2)
[8]面向多请求的Web服务全局优化选择模型研究[J]. 康国胜,刘建勋,唐明董,刘小青. 计算机研究与发展. 2013(07)
[9]一种Web服务综合描述模型[J]. 马于涛,张海粟,刘玉超,陈桂生. 电子与信息学报. 2012(03)
[10]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)
硕士论文
[1]大数据环境下军校图书馆个性化服务及信息资源的共享[D]. 王娟.南京邮电大学 2017
[2]基于多信息融合与社交信任度的推荐算法研究[D]. 顾阳.广西师范学院 2018
本文编号：3498160
【文章来源】：燕山大学河北省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
用户搜索验证码Web服务时平台给出的服务推荐为了证明通过用户对Web服务进行功能需求的搜索，平台推荐的是高质量的Web服务，分析平台数据库中的Web服务表WS_SeviceList发现，搜索出的服务有
到低为用户推荐验证码的 Web 服务，很好的达到了预期的最佳效果。5.3 平台 QoS 预测算法对比模型应用实例基于 QoS 的全方位 Web 服务研究与推荐平台在设计时，考虑了在该领域进行研究的科研人员这一角色，随着 Web 服务推荐技术的发展，该领域的研究人员也越来越多，于是，各种优秀的 QoS 预测算法层出不穷，科研人员都争相努力，为用户更准确、更方便的推荐 Web 服务做出自己的研究贡献。而在考虑 QoS 的推荐算法中，Web 服务的 QoS 预测准确度的高低决定了推荐算法的优劣，在该领域的研究者们提出了大量的 QoS 预测算法模型，针对这些模型，研究者们需要进行大量代码的书写，并且需要自己动手实现其他的算法，与之进行预测准确度的对比。这样给研究人员造成了诸多麻烦，消耗了大量的时间和精力。为了解决这一问题，本文上一章设计实现了 Web 服务 QoS 预测算法对比模型，本节通过实现一组算法的对比来解释分析该模型。图 5-2 为一组 QoS 预测算法在基于上一章提出的 QoS 预测算法对比模型中的对比实验。
- 59 -图 5-3 Web 服务性能测试模型对某一 Web 服务进行性能测试在对 Web 服务性能数据测试采集后，要对采集到的数据进行可视化展示和分析，而通常从单一的数据中并不能进行很好的对比分析，所以平台通过将测试后的数据按照不同数据类型进行分组可视化展示和分析，从而可以更直观的了解、观察和分析服务的质量。平台的可视化分析流程大致可以描述如下：根据在服务器端配置的服务信息，成功执行测试流程后客户端将数据传送到服务器端数据库，后台在对数
【参考文献】：
期刊论文
[1]数字经济下跨境电商B2C模式的问题研究[J]. 邬展霞,田璐,华梦宇,王凤. 纳税. 2019(05)
[2]基于内容的推荐与协同过滤融合的新闻推荐分析与探究[J]. 许媛萍. 新闻研究导刊. 2018(13)
[3]基于关联规则挖掘的OJ推荐方法[J]. 朱国进,凌晓晨. 智能计算机与应用. 2018(02)
[4]基于关联规则挖掘的分类随机游走算法[J]. 施海鹰. 计算机技术与发展. 2017(09)
[5]一种基于贝叶斯网络的个性化协同过滤推荐方法研究[J]. 付永平,邱玉辉. 计算机科学. 2016(09)
[6]基于社会网络的可信Web服务选择研究[J]. 吴菊华,程小燕,曹强,莫赞. 计算机科学. 2016(01)
[7]云计算环境下Web服务集成系统的研究[J]. 刘菲,郝风杰. 计算机科学. 2015(S2)
[8]面向多请求的Web服务全局优化选择模型研究[J]. 康国胜,刘建勋,唐明董,刘小青. 计算机研究与发展. 2013(07)
[9]一种Web服务综合描述模型[J]. 马于涛,张海粟,刘玉超,陈桂生. 电子与信息学报. 2012(03)
[10]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)
硕士论文
[1]大数据环境下军校图书馆个性化服务及信息资源的共享[D]. 王娟.南京邮电大学 2017
[2]基于多信息融合与社交信任度的推荐算法研究[D]. 顾阳.广西师范学院 2018
本文编号：3498160
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3498160.html
最近更新
教材专著
