基于云模型的Web服务QoS预测

随着近年来Web服务数量的快速增长,用户-服务QoS(Quality of Service)记录矩阵变得日益稀疏。为了解决传统协同过滤算法在稀疏数据集上预测精确性不高的问题,利用欧几里得距离对数值敏感的特点,将云模型特征向量的欧几里得距离转换成云模型的相似度。对基于云模型的协同过滤算法改进,并将改进算法用于Web服务QoS的动态预测。考虑用户调用同一服务提供商的不同服务有相似体验,再结合云模型的相似度对QoS记录矩阵进行填充,在预测用户调用某服务的QoS时使用填充后的QoS记录矩阵进行计算,从而有利于解决稀疏矩阵下预测准确度难以提高的问题。实验表明,使用该算法的预测结果相较于传统的协同过滤算法有更低的平均绝对误差(MAE),能获得更高的推荐质量。     

基于时空相似度感知的Web服务QoS协同过滤推荐

在Web服务推荐过程中,Web服务缺失服务质量(QoS)值的预测精度会对服务推荐合理性产生重要影响。为此,结合时空相似度感知,提出一种新的Web服务QoS协同过滤推荐算法。从QoS协同预测角度对Web服务推荐系统框架进行设计,并给出相关参数集合定义。针对传统top-K算法中部分服务与目标服务不相似的问题,利用时空相似度感知结合相似权重的方式预测缺数据,以提高预测精度,并通过简单示例给出算法的计算过程。实验结果验证了该算法的有效性。     

基于QoS的Web服务选择方法研究新进展*

随着服务计算、云计算技术的迅速发展,具有相同或相似功能但服务质量（QoS）不同的可用服务已大规模部署在互联网上。如何从这些海量Web服务中为服务组合选择令人满意的服务成了一个重要的研究问题,其选择方法是影响组合服务的QoS 和服务组合性能高低的关键因素。为了解决该问题,研究者们已开发了许多服务选择方法以帮助用户选择合适的服务。针对近五年基于QoS的Web服务选择方法的新进展进行了综述。归纳了包括运用Skyline计算、协同过滤、优化算法、多属性决策支持理论和混合方法等一些典型的服务选择方法,讨论了各方法的优势和局限性,并根据当前研究现状,探讨了该领域的发展趋势和未来研究方向和挑战。     

基于协同过滤的自适应Web服务QoS预测方法

随着Web服务越来越多,服务质量QoS作为描述Web服务的非功能性属性变得越来越重要。通常,一种服务的QoS对用户来说是未知的,因此对于基于Web服务的应用,精确预测其未知的QoS对于成功部署该服务具有重要的价值。基于协同过滤的WSRec算法是一种高精度的QoS预测方法,为进一步提升QoS的预测精度,提出了一种协同过滤的自适应Web服务QoS预测方法。该方法通过客户端首先发出QoS-Web服务请求;服务端接到请求后,根据已有数据,计算两两用户或服务间的相似度;并根据相似性找到对于目标用户的K个最接近用户或服务,生成该QoS值预测值A;同时在计算相似性时,采用改进皮尔逊相关系数得到预测值B;最后将预测值A和B以权值相结合得到目标用户或服务的QoS值。该算法改进了单一的协同过滤在数据稀疏的情况下,对相似性给予过高估计的不足,使得QoS预测值精度得以提高,取得了更好的实验结果。实验表明该方法预测精度优于WSRec算法。     

支持QoS和用户需求的Web服务选择模糊算法*

基于QoS的Web服务选择能为用户提供更好的服务质量,而基于用户对QoS的需求和偏好的模糊性来进行Web服务选择是其中的一种方法。如何通过这种方法合理地获得最优候选服务集,是Web服务架构亟待解决的一个问题。本文提出了一种支持QoS和用户需求的Web服务选择模糊算法,该算法将用户对QoS的需求及偏好的语言描述进行去模糊化,然后选择出最符合用户需求的服务集。通过对模拟的服务质量数据进行实验,验证了该算法的优越性和有效性。     

基于QoS的Web服务选择算法综述*

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对近几年来基于QoS的Web服务选择算法的发展状况进行了综述,介绍和总结了当前基于QoS的Web服务选择问题模型,对服务选择策略进行了分类,并对当前的一些典型的基于QoS的Web服务选择算法进行了系统的分析和评论。最后指出了现有算法中的不足之处,展望了该领域的进一步研究方向。     

QoS全局最优的多目标Web服务选择算法*

针对现有方法的不足,提出一种基于QoS全局最优的多目标动态Web服务选择算法。在给出动态服务组合模型的基础上,以“抽象服务规划”为输入,以用户的非功能性需求为全局约束,将动态服务选择问题转换为一个带QoS约束的多目标服务组合优化问题;利用多目标蚁群算法,多个目标函数被同时优化并产生一组满足约束条件的Pareto优化解。通过运用实验与基于多目标遗传算法的Web服务选择算法进行对比,证明了该方法的可行性和有效性。     

一种动态混合QoS语义的Web服务个性化推荐模型

服务推荐是服务计算中的主要问题之一,当前大多针对功能属性进行推荐,而在Web服务的QoS属性方面考虑较少,并且不支持动态变化的QoS属性。基于动态混合QoS的语义Web服务个性化推荐模型,把语义Web技术引入Web服务中,在QoS监控器下,有效监测Web服务的QoS属性变化并动态更新Web服务的QoS属性。根据建立的用户兴趣模型,向用户推荐具有个性化的Web服务。此外,在个性化推荐系统中使用最广泛的协同过滤推荐技术基础上,对数据进行了一系列的预处理填充,而且充分考虑了不同时间的项目评分对推荐的影响。结合用户兴趣度和用户评分的相似性计算方法,并通过不同的权值来表示它们的重要程度,综合计算目标用户的最近邻居集合,最终对用户u产生推荐。该系统在一定程度上提高了服务推荐的效率和准确度并满足用户查询需求。     

物联网环境下基于情境的语义Web服务选择

当前Web服务海量增加，物联网应用技术快速发展、不断普及，而现有的Web服务选择算法低效、用户匹配度低。针对该问题提出一种物联网环境下基于情境的语义Web服务选择方法。该方法应用QoS参数的无量纲化与语义Web服务动态选择方式，将物联网环境下服务与语义Web服务相结合，并根据用户需求针对QoS选择最优的服务集。实验表明，该方法能有效地提高用户服务动态选择的成功率。     

用户位置感知的Web服务QoS预测方法

随着互联网上Web服务数量的增多,服务的QoS开始成为用户在选择服务时关注的焦点.为了有效获取服务的QoS信息以便向用户推荐高质量的服务,提出一种用户位置感知的Web服务QoS预测方法--UL-WSRec.利用一些QoS属性受用户位置影响的事实和同一个自治系统中的用户在位置上邻近的特点,根据自治系统来计算用户位置和划分相似用户.在传统的协同过滤算法基础上,利用用户位置信息提出了改进的算法,以提高服务QoS预测的效率和精度.基于真实Web服务数据的实验表明了该方法的有效性.     

面向用户群体的Web服务推荐

针对Web服务推荐中服务用户调用Web服务的服务质量数据稀疏性导致的低推荐质量问题,提出了一种面向用户群体并基于协同过滤的Web服务推荐算法(WRUG)。首先,为每个服务用户根据用户相似性矩阵构建其个性化的相似用户群体;其次,以相似用户群体中心点代替群体从而计算用户群体相似性矩阵;最后,构造面向群体的Web服务推荐公式并为目标用户预测缺失的Web服务质量。通过对197万条真实Web服务质量调用记录的数据集进行对比实验,与传统基于协同过滤的推荐算法(TCF)和基于用户群体影响的协同过滤推荐算法(CFBUGI)相比,WRUG的平均绝对误差下降幅度分别为28.9%和4.57%;并且WRUG的覆盖率上升幅度分别为110%和22.5%。实验结果表明,在相同实验条件下WRUG不仅能提高Web服务推荐系统的预测准确性,而且能显著地提高其有效预测服务质量的百分比。     

QoS-aware service selection via collaborative QoS evaluation

We present in this paper a novel collaborative filtering based scheme for evaluating the QoS of large scale Web services. The proposed scheme automates the process of assessing the QoS of a priori unknown service providers and thus facilitates service users in selecting services that best match their QoS requirements. Most existing service selection approaches ignore the great diversity in the service environment and assume that different users receive identical QoS from the same service provider. This may lead to inappropriate selection decisions as the assumed QoS may deviate significantly from the one actually received by the users. The collaborative filtering based approach addresses this issue by taking the diversity into account instead of uniformly applying the same QoS value to different users. They predict a user’s QoS on an unknown service by exploiting the historical QoS experience of similar users. Nevertheless, when only limited historical QoS data is available, these approaches either fail to make any predictions or make very poor ones. The cornerstone of the proposed QoS evaluation scheme is a Relational Clustering based Model (or RCM) that effectively addresses the data scarcity issue as stated above. Experimental results on both real and synthetic datasets demonstrate that the proposed scheme can more accurately predict the QoS on unknown service providers. The efficient performance also makes it applicable to QoS evaluation for large scale Web services.     

基于服务簇和QoS的Web服务组合方法

针对海量的语义Web 服务组合中如何提高搜索速度和获得最优组合的问题,提出了一种基于服务簇和服务质量(QoS)的快速组合方法。利用预先建立的服务簇进行服务搜索,可以有效缩小搜索空间,降低语义比较的复杂度,快速得到候选服务集合。组合过程中基于服务的最优组合QoS值动态确定阈值进行服务过滤,可以获得多个最优组合。同时采用高效的冗余处理方法保证组合中冗余服务最少,并采用服务簇内部过滤的方法限制候选服务数量,解决了因组合过多造成的运行超时问题。基于海量服务库进行实验,结果表明,服务搜索效率比普通搜索方法可提高几十倍,服务过滤和冗余处理效果明显,可快速获得多个QoS最优的无冗余组合,并且在百万级服务库进行大层次深度的组合时仍可保证良好的运行性能。     

基于可信QoS的路径查找及负载均衡策略研究

Web服务是云计算中资源调用的有效方式。单一Web服务功能往往有限,只能完成特定任务。服务组合则可以将多种Web服务形成有效的调用序列,实现更为强大的功能。服务发布量以及服务请求量的迅速激增带来了新的安全问题。首先,现有的服务组合方案均以服务质量(QoS)为依据进行Web服务选择,但服务质量通常由服务发布者提供,存在服务发布者发布虚假QoS值诱骗用户的欺诈现象;其次,传统的服务组合方案只生成一条最优路径,当恶意请求持续访问时,会造成某服务节点瘫痪,甚至整个服务组合系统失效。因此,针对服务质量恶意欺诈的问题,文章提出一种可信的QoS计算模型,根据Web服务发布者的信用综合评估服务质量;针对单一最优路径无法满足大量请求的问题,文章提出一种路径发现和负载均衡的多路径方法。仿真结果表明,文章提出的方法不仅能提高服务组合的成功率,满足用户的需求,而且能找到更多的服务组合方案执行。     

基于用户视角的组合Web服务响应时间优化

针对响应时间,通过选择、调用合适的成员Web服务,对组合Web服务的QoS进行优化．该优化方法基于用户的视角,将组合Web服务运行时用户一次等待周期中需要执行的所有任务作为一个整体进行调度;同时根据组合Web服务流程的不同环节中用户对等待时间的不同敏感度,设置调度参数,降低关键环节超时的风险．实验表明,此方法可以有效地优化组合Web服务的响应时间,提高用户的满意度和QoS．     

一种QoS感知的Web服务群体评价方法

传统QoS感知的Web服务选择方法需要用户给出精确权重以表达其对QoS属性的偏好。为解决用户无明确偏好情况下的服务选择问题,提出了一种QoS感知的Web服务群体评价方法。对Web服务群体评价的需求进行了详细的分析,以有明确QoS偏好的用户对服务的历史选择结果为基础,利用群决策的Condorcet和Borda函数集结这些结果得到服务的群体评价,从而使得无明确QoS偏好用户可以参考该评价结果进行服务选择。理论分析和仿真实验验证了该服务群体评价方法的合理性和有效性。     

基于灰色关联分析的Web服务选择

为方便用户选择最优Web服务,利用灰色系统理论对Web服务质量QoS属性因子进行分析,提出了一种基于用户QoS偏好的Web服务灰色关联分析方法。考虑到Web服务QoS的不确定性,该方法使用区间对Web服务QoS值进行建模。为了确定候选服务的QoS与用户QoS需求的符合程度,先针对服务的每个QoS属性,计算其与用户QoS需求的灰色区间关联系数;然后结合各个QoS属性的关联系数计算候选服务的QoS与用户QoS需求的综合灰色区间关联度,关联度越大的服务越符合用户的要求;最后从满足用户功能需求的Web服务中选择灰色关联度最大的Web服务推荐给用户。与其它Web服务评价模型相比较,该模型更加符合Web服务QoS的实际情况,能够在服务QoS信息不充分、不确定的环境下,对QoS属性进行合乎实际的分析处理,从而得到更加合理有效的QoS评价。