面向Web服务推荐的情境感知QoS预测研究

发布时间：2021-05-16 04:48

　　随着现实业务和IT服务业的不断融合,各种跨平台、跨行业的信息创新模式催生了更多泛化的Web服务,以满足用户日常应用中的个性化需求。但伴随着服务数量的剧增,用户逐渐面临服务选择带来的巨大挑战。针对用户的各种需求,从服务海洋中选择具有不同属性和功能的候选服务,并进一步实现服务组合,完成用户的更复杂的业务流程需求,一直都是服务计算领域的热点问题。个性化推荐技术通过分析用户的历史偏好数据,建立用户画像,主动为用户推荐满足其需求的服务,能够有效解决服务过载的问题。随着新生服务在互联网中的不断发展,用户对于Web服务在满足其功能性需求的基础上又对其非功能性属性（Quality-of-Servicce）如调用时间、可达性和成功性等提出了更高的要求。用户对于服务的直观感受通常是根据服务的非功能质量属性来判断的,导致以Web服务为基本单元的网络应用的性能将高度依赖这些服务的质量。此外用户在不同的情境下对Web服务的非功能性需求也不尽相同,如何为用户推荐满足其非功能性需求的Web服务成为当前研究重点之一。因此本文针对不同情境感知服务推荐场景,结合服务上下文、地理位置、动态时序和信任关系四个不同的情境信息,... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：132 页

【学位级别】：博士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 推荐系统研究现状
        1.2.2 Web服务QoS预测研究现状
    1.3 主要研究内容
    1.4 论文结构
2 相关理论与技术
    2.1 Web服务关键技术研究
        2.1.1 Web服务技术架构
        2.1.2 Web服务的QoS属性
        2.1.3 QoS预测关键技术研究
    2.2 推荐系统相关理论研究
        2.2.1 协同过滤推荐系统
        2.2.2 基于内容的推荐系统
        2.2.3 其他推荐方法
    2.3 本章小结
3 服务上下文感知QoS预测
    3.1 提出问题
    3.2 基于服务端上下文特征聚类的矩阵分解模型
        3.2.1 服务推荐框架
        3.2.2 服务端上下文抽取与特征距离度量
        3.2.3 服务特征聚类和近邻用户选择
        3.2.4 基于服务上下文特征感知的QoS预测模型
    3.3 实验结果与分析
        3.3.1 实验准备
        3.3.2 实验评价指标
        3.3.3 算法预测准确度比较
        3.3.4 数据稀疏性的影响
        3.3.5 参数α的影响
        3.3.6 参数β的影响
        3.3.7 潜在因子特征维度的影响
        3.3.8 Top-K的影响
    3.4 本章小结
4 位置近邻可靠性感知QoS预测
    4.1 提出问题
    4.2 用户可靠性评价对QoS影响分析
    4.3 融合近邻用户可信度的的矩阵分解模型
        4.3.1 服务推荐框架
        4.3.2 地理位置近邻用户聚类
        4.3.3 用户QoS可信度评分计算
        4.3.4 融合地理位置近邻用户可靠性的QoS预测建模
    4.4 实验结果与分析
        4.4.1 实验准备
        4.4.2 算法预测准确度比较
        4.4.3 数据稀疏性的影响
        4.4.4 地理位置区域范围参数ε的影响
        4.4.5 用户QoS可信度的影响
        4.4.6 参数γ的影响
        4.4.7 隐式因子特征维度的影响
    4.5 本章小结
5 动态时间序列感知QoS预测
    5.1 提出问题
    5.2 动态时间序列下的QoS分析
    5.3 动态时间感知的矩阵分解模型
        5.3.1 服务推荐框架
        5.3.2 TMF协同过滤预测
        5.3.3 短时域QoS预测值平滑
    5.4 实验结果与分析
        5.4.1 实验准备
        5.4.2 算法预测准确度比较
        5.4.3 数据稀疏性的影响
        5.4.4 潜在因子特征维度的影响
        5.4.5 近邻用户数量Top-K的影响
    5.5 本章小结
6 潜在偏好信任感知QoS预测
    6.1 问题描述
    6.2 基于用户间潜在QoS偏好的协同预测模型
        6.2.1 服务推荐框架
        6.2.2 用户间潜在QoS偏好关系提取和度量
        6.2.3 融合QoS偏好近邻的矩阵分解预测
    6.3 实验结果与分析
        6.3.1 实验准备
        6.3.2 算法预测准确度比较
        6.3.3 数据稀疏性的影响
        6.3.4 关系阈值θ的影响
        6.3.5 特征维数的影响
    6.4 本章小结
7 结论与展望
    7.1 结论
    7.2 研究展望
参考文献
附录
    A 作者在攻读学位期间发表的论文目录
    B 作者在攻读学位期间取得的科研成果目录
    C 学位论文数据集
致谢


【参考文献】：
期刊论文
[1]基于矩阵填充和物品可预测性的协同过滤算法[J]. 潘涛涛,文锋,刘勤让.  自动化学报. 2017(09)
[2]基于贝叶斯分类的Web服务质量预测方法研究[J]. 任迪,万健,殷昱煜,周丽,高敏.  浙江大学学报(工学版). 2017(06)
[3]融合主题模型和协同过滤的多样化移动应用推荐[J]. 黄璐,林川杰,何军,刘红岩,杜小勇.  软件学报. 2017(03)
[4]一种面向获取空间信息的潜在好友推荐算法[J]. 俞菲,李治军,车楠,姜守旭.  软件学报. 2017(08)
[5]云计算环境下云服务用户并发量的区间预测模型[J]. 孟煜,张斌,郭军,闫永明.  计算机学报. 2017(02)
[6]移动新闻推荐技术及其应用研究综述[J]. 孟祥武,陈诚,张玉洁.  计算机学报. 2016(04)
[7]社会化推荐系统研究[J]. 孟祥武,刘树栋,张玉洁,胡勋.  软件学报. 2015(06)
[8]一种基于逻辑Petri网的Web服务簇组合方法[J]. 吴洪越,杜玉越.  计算机学报. 2015(01)
[9]基于概率主题模型的物联网服务发现[J]. 魏强,金芝,许焱.  软件学报. 2014(08)
[10]基于云模型的不确定性QoS感知的Skyline服务选择[J]. 王尚广,孙其博,张光卫,杨放春.  软件学报. 2012(06)



本文编号：3189005