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。     

基于协同过滤的可信Web服务推荐方法

为了实现对可信Web服务的推荐,在分析了Web服务推荐技术与电子商务推荐技术的不同的基础上,提出了一种基于协同过滤的可信Web服务推荐方法。首先,根据已有成果对待组装应用的可信需求进行评估,根据此需求对相似用户进行首次筛选;然后在首次筛选的用户中,根据用户使用服务后的评分数据和用户信息来对相似用户进行二次筛选,经过两次筛选得到最终推荐用户。在根据用户对服务的评分数据计算用户之间的相似性时,考虑了不同服务对于用户间相似性的贡献值;在根据用户信息计算用户之间的相似性时,考虑到用户信息之间非线性的特点,引入了欧几里得距离公式来计算其相似值;在产生推荐的过程中还考虑了不诚实用户和用户数不足的问题。模拟实验结果表明该方法能够有效地对可信Web服务进行推荐。     

基于协同过滤的Web服务动态社区发现算

针对现有社区发现算法挖掘结果精确度不高以及Web服务资源智能推荐质量较低的问题,在传统协同过滤算法的基础上,提出了基于节点相似性的动态社区发现算法。首先以连接节点最多的中心节点为起始网络社区,以社区贡献度为衡量指标不断形成多个全局贡献度饱和的社区;再使用重叠度计算将相似度高的社区进行合并,最后通过计算目标用户与社区中其他用户之间的动态相似度,将计算结果降序排列后构成邻近用户集,获得社区化推荐对象。实验结果表明,提出的社区发现算法对用户社会网络的社区分类与实际社区分类结果吻合,提高了社区挖掘的精确度,有助于实现高质量的社区化推荐。     

基于QoS的Web服务选择方法研究进展

基于QoS的Web服务选择是从功能相同的Web服务中以Web服务的QoS属性为评价指标选出最优服务的过程,其作为语义Web服务领域的关键技术正在蓬勃发展.文章考察了现有的Web服务选择方法,对其进行了归类,分析了各类方法的优缺点,讨论了这个方向的研究重点及未来的研究趋势.     

基于协同过滤的可信Web服务推荐方法

为了实现对可信Web服务的推荐,在分析了Web服务推荐技术与电子商务推荐技术的不同的基础上,提出了一种基于协同过滤的可信Web服务推荐方法。首先,根据已有成果对待组装应用的可信需求进行评估,根据此需求对相似用户进行首次筛选;然后在首次筛选的用户中,根据用户使用服务后的评分数据和用户信息来对相似用户进行二次筛选,经过两次筛选得到最终推荐用户。在根据用户对服务的评分数据计算用户之间的相似性时,考虑了不同服务对于用户间相似性的贡献值;在根据用户信息计算用户之间的相似性时,考虑到用户信息之间非线性的特点,引入了欧几里得距离公式来计算其相似值;在产生推荐的过程中还考虑了不诚实用户和用户数不足的问题。模拟实验结果表明该方法能够有效地对可信Web服务进行推荐。     

Web服务个性化推荐研究综述

随着Web服务的广泛使用和互联网上服务数量的增加,如何向用户提供最佳的服务选择列表成为了新的挑战.Web服务个性化推荐实现了由被动接受用户请求向主动感知用户需求的转变.个性化的Web服务推荐方法已经成为Web服务发现和选择的有效辅助手段.Web服务的个性化推荐技术也成为了近年来服务计算领域的研究热点.对当前Web服务个性化推荐的文献进行了归类分析,总结了当前Web服务个性化推荐的技术现状、研究方法和实验的数据集,列出了未来Web服务个性化推荐研究热点和挑战.     

基于混合协同过滤的个性化Web服务推荐

随着网络上Web服务的不断增加,Web服务的个性化选择和推荐成为服务计算领域最重要的挑战之一。对个性化Web服务推荐方法进行了研究,提出了基于模型和基于内存混合的Web服务推荐方法。该方法基于客观连续的服务质量（quality of service,QoS）数据和主观离散的评价数据,采用聚类、映射、聚合等算法预测服务的质量,并对用户的期望、评分和服务的QoS信息进行了量化描述。此外,设计了Web服务推荐框架,实现了信息的采集与处理、Web服务的个性化推荐。实验结果表明,与主流的推荐算法相比,所提方法在多种评分误差的评价指标上都取得了更好的结果。     

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。     

基于协同过滤的Web缓存替换算法研究

针对GDSF替换算法中对访问频率缺少预测的不足,提出了一种基于协同过滤的GDSF缓存替换算法(GDSF-CF)。该算法考虑了Web对象之间相似性与用户访问时间间隔,运用协同过滤算法生成Web对象的预测访问频率,并采用齐普夫定律参数对GDSF算法的目标函数进行了改进。当需要进行缓存替换时,利用目标函数价值计算缓存空间中的每个Web对象缓存价值,将最小缓存价值的Web对象进行替换。仿真实验结果表明,该算法的命中率HR和字节命中率BHR都有较大提升。     

一种基于QoS的Web服务选择模型

服务质量是面向服务应用中考虑的重要因素之一.对现有的SOA标准模型进行了扩展,提出了一种基于QoS的Web服务选择模型.模型中新增实体提供对QoS的支持,采集服务提供者和服务消费者的QoS反馈信息,以此评估Web服务的质量.在服务选择时,该模型在考虑QoS评价排名的同时,运用滑动窗口策略,分摊系统负载和避免负载抖动现象.仿真实验结果显示了该思想的有效性.     

基于信誉模型的Web服务优化选择

随着Web服务技术的发展与广泛应用,提供相同功能的Web服务越来越多,而如何在其所提供的Web服务中选择最优服务成为关键问题.传统的基于服务质量(QoS)模型的选择方案已不能满足此要求.提出了一种基于信誉模型并结合QoS的优化选择方案,首先利用工作流组织模型确定服务使用者之间的信任度结,结合可信用户的反馈评价值,确定服务的主观信誉度,然后根据Web服务的QoS量化模型,计算出客观质量值,最后结合二者选出最优的服务.     

一种语义Web服务的多层次匹配方法

现有的语义Web服务发现方法大多采用匹配等级来筛选服务，查找到的服务粒度较大，也没有考虑服务质量。对OWL-S语言进行扩展，增加对QoS（服务质量）的描述，提出了五层次三阶段的多层次匹配过程，采用语义相似度进行匹配。实验结果表明该匹配方法能够保证查找的查准率和查全率。     

基于树型编码遗传算法在Web服务选择中的应用

提出一种基于QoS的Web服务选择的遗传算法（TGA）。该算法采用树型编码,携带流程的静态模型结构信息,可实现染色体的自动编解码和存储适应值计算的中间结果,并且可以通过简单的方法有效支持组合服务运行时重计划。通过仿真实验,验证了在同等优化效果下,TGA比一维编码遗传算法获得了更快的速度,并验证了树型编码用于流程运行时重计划的有效性。     

基于服务质量的Top-k Web服务选择方法

Web服务的质量属性具有动态性,实时性特点,能提供具有服务质量保障的Top-k服务选择,同时有效降低服务选择系统对宿主服务器及网络带来的负载。提出一种使用单调服务质量的效用函数,在规范化QoS属性的基础上,通过计算给定服务效用函数的取值空间,快速筛选出满足要求的Top-k服务的RTKS-QoS算法。实验结果证明,在k<20的情况下,RTKS-QoS算法的响应时间及给网络带来的流量负载,与不使用优化的情况相比,分别平均降低了55%及52%。     

A trustworthy QoS-based collaborative filtering approach for web service discovery

Many network services which process a large quantity of data and knowledge are available in the distributed network environment, and provide applications to users based on Service-Oriented Architecture (SOA) and Web services technology. Therefore, a useful web service discovery approach for data and knowledge discovery process in the complex network environment is a very significant issue. Using the traditional keyword-based search method, users find it difficult to choose the best web services from those with similar functionalities. In addition, in an untrustworthy real world environment, the QoS-based service discovery approach cannot verify the correctness of the web services’ Quality of Service (QoS) values, since such values guaranteed by a service provider are different from the real ones. This work proposes a trustworthy two-phase web service discovery mechanism based on QoS and collaborative filtering, which discovers and recommends the needed web services effectively for users in the distributed environment, and also solves the problem of services with incorrect QoS information. In the experiment, the theoretical analysis and simulation experiment results show that the proposed method can accurately recommend the needed services to users, and improve the recommendation quality.     

基于SPEA2+算法的Web服务选择研究

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。针对将多维QoS属性加权聚合为一个目标函数进行优化的选择算法不能实质性地解决基于QoS的Web服务选择问题,采用改进的强度Pareto进化算法（SPEA2+）多目标优化求解该问题,设计了一种Web服务选择算法。该算法在满足声誉、可靠性和可利用性属性的约束下,同时最小化服务时间T和服务费用C,以产生Pareto最优解集。通过与运用SPEA2算法求解该问题的实验对比,表明了两算法所获取的Pareto最优解集中QoS属性T和C各均值各有优劣,用户可依据对T或C的偏好择优选择。     

一种Web服务选择的QoS参数计算方法

为了将用户的恶意评价和服务提供者发布的虚假数据对Web服务的QoS参数的影响降至最小,确保Web服务的QoS参数的真实性,提出了一种Web服务的QoS参数计算方法,包括基于Sproas信任模型推导出的用于来自服务请求者的参数计算公式和通过引入Web服务的负载和状态参量计算来自服务提供者的参数。通过模拟实验及分析表明：来自服务请求者的参数值的稳定性较对照算法提高了9.8%,能更有效地降低用户恶意评价的影响;来自服务提供者的参数值与实际值的相似度较对照算法平均提高了16.7%,能明显削弱服务提供者发布的虚假数据的影响,并改善Web服务的负载均衡。     

基于协作过滤的个性化服务技术研究

随着网络的普及和发展以及网络信息量的日益增加,为广大用户提供个性化服务显得尤为必要.在对个性化服务技术相关知识进行概述的基础上介绍了协作过滤信息推荐技术的基本原理、分类、所面临的困难等,并对国内外研究现状等进行了综述.最后时基于协作过滤的个性化服务技术进一步的研究工作进行了展望.