基于協(xié)同過濾的Web服務QoS預測方法研究.pdf

1、隨著 Web技術(shù)的發(fā)展，Web服務在互聯(lián)網(wǎng)中的數(shù)量迅速增長，互聯(lián)網(wǎng)上出現(xiàn)了大量在功能上相同或相近的 Web服務，但是它們的非功能屬性往往是不同的，因此在對這些服務進行操作時，不僅需要考慮到服務功能方面的需求，還需要考慮服務質(zhì)量這些非功能方面的需求。QoS用來描述和評價 Web服務的非功能屬性，現(xiàn)有的基于 QoS的 Web服務方面的研究，大多是假設目標用戶調(diào)用Web服務的QoS已知。然而，實際中 QoS數(shù)據(jù)往往是不完整的，因此就需要根據(jù)已

2、知的數(shù)據(jù)對用戶未使用過的 Web服務的 QoS進行預測，預測的原則是盡可能的保證精準。
　　針對在為用戶選擇和組合其滿意的Web服務時服務質(zhì)量（Quality of Service，QoS）缺失的問題進行研究，將協(xié)同過濾技術(shù)運用到預測 Web服務未知QoS的研究中，提出了一種R-SRec模型。研究了Web服務的QoS相似性計算模型，對 Web服務的 QoS進行數(shù)據(jù)化處理，分析了現(xiàn)有的歐氏距離、余弦相似性和皮爾森相似性等應用比較廣泛

3、的相似性計算方法，但是傳統(tǒng)的相似性計算方法在數(shù)據(jù)比較稀疏的情況可能會高估實際上并不相似的用戶或服務。針對此問題，對傳統(tǒng)的皮爾森相似性算法進行改進，用相似性權(quán)重算法計算相似性。
　　研究協(xié)同過濾方法在預測階段預測精度問題，在預測階段加入了用戶位置信息和服務的反向預測，提高了預測精準度。首先在基于用戶的協(xié)同過濾算法中融入用戶網(wǎng)絡位置信息，提高了參與預測數(shù)據(jù)的空間相關度。然后在基于服務的協(xié)同過濾算法中加入 Web服務反向預測，緩解了數(shù)據(jù)