一种基于聚类的服务QoS值协同过滤预测方法

现有的服务QoS(quality of service,服务质量)值预测方法通常是基于近邻的协同过滤,其中的近邻个数K对于所有用户/服务都是固定的。如果K值太小则损失一部分相似信息,而如果K值太大则会将不相似信息考虑在内,这两种情况都会降低预测精度。文章提出一种基于聚类的服务QoS预测方法CQoSP(cluster-based QoS prediction),以一种自然的方式确定相似用户/服务的个数。CQoSP首先基于历史QoS记录对用户/服务空间进行聚类,然后基于与目标用户/服务同一类簇的用户/服务QoS数据预测缺失QoS值。真实数据集上的实验结果验证了CQoSP有效提高了服务QoS预测的准备度,与经典方法比较,CQoSP预测结果的平均绝对误差和均方根误差都是最小的。     

基于用户特征聚类与服务质量预测的推荐方法

随着服务系统中Web服务的不断增加，为用户进行个性化Web服务推荐成为服务计算领域最热门的研究课题之一，然而，服务推荐面临不可靠用户和服务导致推荐的不准确性问题.为了解决上述问题，提出一种基于位置和信誉感知的Web服务推荐方法 .首先采用粒子群优化（Particle Swarm Optimization,PSO）对用户进行聚类，得到相似用户；其次，计算用户和服务的信誉来识别可信的用户和服务；最后，将相似用户和可信服务的信息整合到矩阵分解（Matrix Factorization,MF）中，为用户预测缺失的服务质量（Quality of Service,QoS）.在真实数据集WS-Dream上的实验验证了提出方法的可行性与有效性.与其他先进的预测方法相比，该方法的MAE (Mean Absolute Error)和RMSE (Root Mean Squared Error)较低，证明该方法有较高的预测准确性.     

基于执行日志的Web服务QoS获取机制

为了有效地解决Web服务QoS数据的获取问题,从统计学角度出发,提出了一种基于执行日志的Web服务QoS获取方法.该方法首先根据要获取的Web服务QoS属性集,分析执行日志所需记载的内容并记载日志;然后基于执行日志生成Web服务的QoS点数据集,其中考虑了基于实际执行所采集的QoS点数据所具有的采集量小、数据分布不均匀等问题,并给出了相应的解决方法;在此基础上完成对Web服务QoS数据的查询与预测.实验表明,所提出的Web服务QoS数据的获取方法是准确可行的.     

一种支持Web服务QoS动态预测的方法

为了在高度动态环境下准确地预测Web服务的服务质量(Quality of service,QoS),该文提出了一种基于半马尔可夫过程(Semi-Markov processes,SMP)和事例推理(Case-based reasoning,CBR)的QoS动态预测方法。该方法首先使用SMP预测Web服务在未来被调用时刻的忙闲状态,在此基础上,利用CBR技术预测Web服务处理具体任务时的QoS。实验结果表明:该预测方法能够大幅度提高Web服务QoS的准确度。研究结果为客观评价和成功选择Web服务提供了可靠的依据。     

时空感知下基于结构相似度的Web服务质量预测

随着云计算等新型服务计算的兴起,Web服务数量日益增长,相同或相似功能的Web服务也逐渐增多.为了向用户推荐更高质量的服务,精确地预测Web服务的QoS值成为亟待解决的重要问题.传统的协同过滤方法已经被广泛应用于QoS预测和Web服务推荐中,但因为数据稀疏和噪声问题导致QoS预测性能不好.为提高QoS预测的性能,文中通过分析用户服务QoS矩阵的时空特征,提出了一种基于全局和局部结构相似度的稀疏矩阵分解模型.该方法将QoS矩阵的相邻时间相似用户的网络环境相似性这一特征融入到矩阵分解中,并利用分解的因子对QoS矩阵进行低秩填充.这种方式在一定程度上消除了数据稀疏和噪声的影响.在真实Web服务调用数据集上进行实验,结果表明,该方法在预测精度上优于典型的协同过滤算法(相比于NMF,其MAE值最大下降了3.25％,RMSE值最大下降了6.65％;相比于SVD,其MAE值最大下降了3.67％,RMSE值最大下降了7.01％),能够有效地解决数据稀疏和噪声的问题.     

基于受限玻尔兹曼机的Web服务质量预测方法

针对协同过滤算法无法有效处理数据稀疏的问题,提出1种基于受限玻尔兹曼机的Web服务质量(QoS)预测方法;第1阶段使用受限玻尔兹曼机模型对所有缺失的QoS值进行预测,并对原始的QoS矩阵进行填充;在第2阶段基于该QoS矩阵进行全局邻居筛选,同时将受限玻尔兹曼机引入到用户近邻的协同过滤模型中,以预测目标QoS值。研究结果表明:该方法能提高QoS预测精确度,在一定程度上降低数据稀疏对预测的影响。     

预测Web QoS的协作过滤算法

不同环境中用户对同一服务质量的感受可能存在较大差别,针对这一问题,提出了一种QoS预测方法.该方法不仅使用了历史QoS信息,还将环境因素、用户输入等对QoS的影响考虑进去.以这些信息为基础,首先通过高斯法对原始信息数据进行规范化处理,然后计算其他服务与待预测服务的相似度,找到与目标服务相似度较大的服务集,并根据服务相似...     

大数据场景下基于可信社团的服务推荐

为实现大数据场景下高效、可信的服务推荐,将社交网络理论和信任理论的研究成果有机融合,提出了大数据场景下基于可信社团的服务推荐方法.首先,利用现有的信任模型理论研究成果建立用户间的信任关系,计算用户对服务提供者的信任度;其次,在大数据场景下利用信任关系构建用户可信社团,确定社团中新用户的加入、甄别并删除恶意用户的方法;最后,在构建的可信社团基础上,利用MapReduce框架提出大数据场景下的基于可信社团的服务推荐方法.仿真实验结果表明:提出的方法适用于大数据场景,与传统的服务推荐方法相比,具有更好的性能.     

一种融合反向交叉预测的QoS预测方法

基于协同过滤的思想,提出一种QoS预测算法DRaC,该算法利用聚类技术实现QoS数据的平滑化预处理,同时利用反向预测和交叉预测机制解决数据稀疏问题,提高了预测准确度.最后基于真实的数据集,以NMAE值为标准,验证了DRaC算法相对于协同过滤等传统方法具有更好的预测效果,并衡量了各参数对预测结果的影响.     

一种服务质量可信的按需服务组合方法

为了解决开放、动态网络环境下的服务可信组合问题,特别是组合服务的可信度计算与评估,以及服务可信组合最优方案选择,提出一种服务质量(QoS)可信的按需服务组合方法。该方法根据单个服务的信任度值以及服务组合图的控制结构,构建基于QoS可信的服务组合信任模型,进行服务组合的信任合成与计算;基于该模型设计多约束条件下QoS可信的按需服务组合方案,采用粒子群算法进行优化求解,以此选择出可信度高的服务执行计划。面向物流领域配送管理需求实例进行了实证和实验研究,结果表明所提方法在求解多约束的可信服务组合优化上是有效、适用的,能够提高服务组合的可信性和成功率。     

利用服务质量参数值预测的Web服务选择方法

为了使得服务消费者获得的QoS值能够作为服务分级和排序的重要依据,提出了一种基于QoS参数值预测的Web服务选择算法.依据服务质量一致性指标生成服务质量报告,并对可信报告进行标记,再利用预处理算法来剔除欺骗报告.采用模糊回归方法对服务质量值进行预测:将服务质量的属性值和服务质量评价值分别作为方法的输入和输出,以此来确定模糊系数;把服务质量的评价模糊化为对称的三角模糊数;最后将获得的QoS预测结果作为服务选择的依据.实验结果表明,随着质量报告样本数的增加,服务质量预测值逐渐接近实际的QoS值.在服务发现对比实验中使用了服务质量预测方法,通过调整服务质量的一致性、服务消费者能够接受的服务广告和服务请求之间的质量差,实验结果的平均准确率误差可以控制在2.7%以内.     

一种社团信任驱动的云服务选择方法研究

针对云环境中满足用户个性偏好的高质可信服务的选择问题,提出一种社团信任驱动的服务选择模型(CTDSS).基于服务选择的二分网络,结合云服务消费者的服务选择相似度与服务评价差异度形成用户偏好相似度,给出了可信推荐社团的聚类算法.利用互信用户社团,预测用户对未知服务的信任评价,指导用户的云服务选择.仿真实验和公开数据实验表明:所提方法能够有效地识别云计算环境下基于服务偏好的用户社团,利用社团信任驱动的服务选择机制为用户的服务选择提供了准确的决策依据.     

一种基于QoS指标的服务组合优化方法研究

服务组合是目前研究的热点,但现有很多方法服务质量不高。针对该问题,提出了一种基于QoS指标的服务组合优化方法。该方法依照业务流程关系将不同服务组合起来;根据用户的功能要求,将不同的服务按照QoS指标排序形成最优组合。该方法考虑了用户的现实需求,合理地实现了服务组合的优化。     

基于QoS本体的语义Web服务选择算法

引入QoS本体,提出了一种基于QoS本体的语义Web服务选择算法.该算法通过构造Web服务的QoS本体模型以支持异构QoS参数的语义描述和度量,并将QoS语义匹配和数值匹配相结合,从而更准确地为用户选择满足其个性化需求的Web服务.仿真实验表明,基于QoS本体的语义Web服务选择算法能够充分利用QoS语义和数值信息,为用户选择更合适的服务,实现用户对Web服务的个性化需求.     

基于全局QoS约束分解与关联感知的动态服务组合

在Web服务组合过程中,基于全局QoS(quality of service)约束分解的服务组合方法是提高服务组合动态性与灵活性的有效途径。已有的研究工作在进行约束分解服务优化组合时,没有考虑上下游服务之间的QoS关联性,影响了组合的效率与质量,降低了用户的满意度。提出一种基于QoS全局约束分解与关联感知的动态优化服务组合方法,通过改进后的人工蜂群算法将全局QoS约束分解为局部QoS约束;定义上下游服务之间的QoS关联系数,构造一种基于QoS关联感知服务选择的方法,解决了存在关联关系的服务选择问题。实验验证了该方法的可行性和有效性。     

一种基于QoS偏好的服务选择策略

面对服务质量敏感的用户,应该依据用户的偏好进行服务选择。给出了Web服务QoS的描述形式,从5个方面对QoS属性进行分析。根据用户对各QoS指标的偏好构建层次分析法(analytic hierarchy process,AHP)矩阵,进一步利用AHP矩阵获得各QoS属性的权重。在此基础上,提出了一种基于逼近理想解的排序方法(technique for order preference by similarity to an ideal solution,TOPSIS)。该方法基于候选服务的QoS属性构建决策矩阵,确定正理想解和负理想解,通过贴近度的大小对服务进行优劣排序。实例分析表明,该算法是有效的。     

一种具有服务质量支持的数据访问方法

针对目前的查询优化技术并没有考虑网格环境中数据源的动态特征,导致数据访问质量很差的问题,文中提出了网格环境中具有服务质量(QoS)支持的数据访问方法.它能在查询优化的过程中考虑数据源的动态特征以及用户的QoS要求,根据用户的QoS要求选择不同的查询执行计划;文中还提出了基于管道并行方式的分层管道树来对多连接表达式进行优化,它不仅可以提高并行度而且可以尽快返回部分结果给用户.实验结果表明,文中提出的方法是有效的,可以为不同类型的用户提供不同等级的数据访问服务.     

基于信任度变化趋势的云服务选择模型

针对云服务选择过程中,用户难以选择可信、可用、可靠的云服务问题,本文提出一种基于信任度变化趋势,并结合QoS服务质量的云服务选择模型.首先,信任度的计算分为两部分,一部分根据贝叶斯原理计算信任度值,另一部分是将历史信任度值进行最小二乘的拟合,得到能更准确地反映信任度值的变化趋势值,根据信任度变化趋势值对信任度值进行修正,确定其综合信任度值.然后,根据云服务的QoS量化模型,计算得到客观的QoS值,在此基础上,引入了信息熵的概念来确定可信参数加权的问题,从而得到最优的服务选择.仿真实验表明,该模型能够体现云服务主体信任度的变化,增强云服务选择的预判能力,有效地提高服务选择的成功率.     

基于动态信任评估的政务数据云服务平台设计

基于动态信任评估的政务数据云服务平台通过统一的云服务接口和数据标准能够有效促进政府各部门之间的互连互通、业务协同,避免产生信息孤岛,同时有利于推动政府大数据开发与再利用.平台采用层次化的系统结构,在云服务安全管理中将宿主机的可信状态、虚拟机的可信度、云服务的安全级别、云用户的行为记录纳入动态可信评估范畴,对外提供政务云数据中心服务和政务云业务应用.在安全管理中将TCM可信服务引入到传统云服务中进行云服务可信化管理,把信任关系从可信根传递到云主机及政务数据云服务;采用ANP行为矩阵对云用户行为证据进行信任值度量,建立云用户行为动态信任评估安全机制,为政务数据提供安全可信的云服务.     

具有服务质量支持的数据访问

随着网格技术的发展,很多应用程序需要访问网格环境中分布、异构的数据源。但是由于目前的查询优化技术并没有考虑网格环境中数据源的动态特征导致数据访问的质量很差(如访问时间不确定、返回不相关的结果等)。本文提出了网格环境中具有服务质量支持(QoS)的数据访问方法,能在查询优化的过程中考虑用户的QoS要求和数据源的动态特征;同时本文还提出了基于管道并行方式的分层管道树来对多连接表达式进行优化,不仅可以提高并行度而且可以尽快返回部分结果给用户。实验表明本文提出的方法是有效的,可以为不同类型的用户提供不同等级的数据访问服务