基于协同过滤的Web服务QoS预测

发布时间：2022-10-18 20:17

　　互联网技术发展飞速,功能相似的Web服务数量越来越多,如何从众多应用功能相似的Web服务中为用户选择适合的服务是当前热门研究的领域之一。服务质量（Quality of Service,QoS）是指Web服务的非功能属性,QoS预测对Web服务选择和推荐起着至关重要的作用。协同过滤算法是Web服务质量预测常用的算法之一,然而传统的协同过滤方法使用数据属性单一,只考虑到服务质量,没有考虑到用户和服务的额外特征属性,这些特征对Web服务QoS预测的精度的提高有很大的价值和意义。在实际生活中,Web服务数量越来越多,用户不可能访问所有的Web服务来获取其服务质量,因此用户-服务矩阵比较稀疏,严重影响了服务质量的预测精度,为了解决这两种问题,本文提出了两种改进算法:为了充分利用用户和服务所具有的特征属性,提高服务质量的预测精度,本文提出了一种基于RBF神经网络的协同过滤预测方法RBCF,该方法充分考虑到用户和服务的特征属性,比如用户和服务所在国家经度纬度等信息,根据特征属性使用RBF神经网络预测模型对Web服务所有缺失的QoS值进行预测,对原始稀疏的用户-服务矩阵进行数据填充,结合协同过滤算法,... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究的背景和意义
    1.2 国内外研究现状
        1.2.1 QoS相关研究
        1.2.2 协同过滤相关研究
        1.2.3 基于协同过滤的QoS预测研究
    1.3 论文研究内容和成果
    1.4 论文组织结构
第二章 Web服务质量预测的理论基础
    2.1 Web服务
        2.1.1 Web服务的体系架构
        2.1.2 服务质量属性
        2.1.3 Web服务性能
    2.2 协同过滤
        2.2.1 基于用户的协同过滤
        2.2.2 基于物品的协同过滤
        2.2.3 基于模型的协同过滤
    2.3 RBF神经网络
        2.3.1 径向基网络基本原理
        2.3.2 网络的数学基础
        2.3.3 常用的学习算法
        2.3.4 RBF神经网络的特点
    2.4 本章小结
第三章 基于RBF网络的协同过滤预测方法
    3.1 问题描述
    3.2 RBF神经网络预测过程
        3.2.1 特征提取
        3.2.2 RBF神经网络预测模型
        3.2.3 基于RBF神经网络的协同过滤预测模型
    3.3 实验结果与分析
        3.3.1 实验环境
        3.3.2 数据集与实验设定
        3.3.3 评估标准
        3.3.4 对比方法和实验结果
        3.3.5 RBF神经网络隐藏节点n对预测结果的影响
        3.3.6 混合协同过滤中参数a的敏感性分析
        3.3.7 参数Topk的敏感性分析
        3.3.8 不同算法Topk影响
    3.4 本章小结
第四章 基于混合交叉协同过滤预测方法
    4.1 问题描述
    4.2 混合交叉协同过滤预测方法
        4.2.1 相似性算法
        4.2.2 基于用户的协同过滤预测
        4.2.3 基于服务正向和反向邻居的协同过滤预测
        4.2.4 基于相似邻居的交叉预测
        4.2.5 算法融合预测
    4.3 实验结果与分析
        4.3.1 实验环境
        4.3.2 数据集与实验设定
        4.3.3 评估标准
        4.3.4 对比方法和实验结果
        4.3.5 参数Topk的实验分析
        4.3.6 服务反向邻居个数与分析
        4.3.7 RCCF预测和RBCF预测的结果分析
    4.4 本章小结
结论
参考文献
附录 A 攻读硕士学位期间所发表的学术论文目录
致谢


【参考文献】：
期刊论文
[1]一种融合用户与项目属性的协同过滤算法的设计与实现[J]. 陶志勇,崔新新.  计算机应用与软件. 2019(02)
[2]IP定位技术的研究[J]. 王占丰,冯径,邢长友,张国敏,许博.  软件学报. 2014(07)
[3]Web服务QoS与用户位置的相关性实证研究[J]. 林祥云,刘小青,唐明董,曹步清,刘建勋.  计算机工程与科学. 2013(09)
[4]非径向对称的广义径向基神经网络的代理模型[J]. 徐向艺,雷梁,刘道华,刘运.  计算机应用与软件. 2013(05)
[5]用户位置感知的Web服务QoS预测方法[J]. 唐明董,姜叶春,刘建勋.  小型微型计算机系统. 2012(12)
[6]基于免疫遗传算法和梯度下降的RBF网组合训练方法[J]. 龙华.  计算机与现代化. 2011(03)



本文编号：3692984