基于用戶聚類的Web服務QoS預測與服務選擇算法研究.pdf

1、近年來，Web服務計算領域隨著SOA技術的廣泛應用而得到了快速發(fā)展，從中衍生出了服務發(fā)現(xiàn)、服務組合、服務選擇等若干子領域。服務選擇，作為服務執(zhí)行前的重要步驟，其中的QoS預測和skyline計算等課題亦成為了熱門的研究方向。
　　 對于服務選擇中的上述課題，主要還面臨著以下幾個問題:基于傳統(tǒng)協(xié)同過濾算法的QoS預測面臨與推薦系統(tǒng)中類似的冷啟動和稀疏性問題;對于單一維度的QoS預測研究不能解決真實場景下QoS多維度并存的問題;由于

2、QoS預測和skyline計算的在線特性，使得其在服務數(shù)量和用戶數(shù)量大幅增長時，需要提高其在線計算效率的問題。
　　 針對上述問題，我們提出了基于用戶聚類的QoS預測和服務選擇算法。首先通過引入圖挖掘技術中的圖摘要算法，對用戶-服務QoS關系進行建模，實現(xiàn)了基于圖摘要的用戶聚類算法LAC，利用聚類-服務關系替代原用戶-服務關系，將稀疏的大數(shù)據(jù)集轉化為密集的小規(guī)模數(shù)據(jù)?；贚AC算法的結果，引入對用戶非QoS特征的分析，實現(xiàn)了基于

3、樸素貝葉斯的用戶分類器，解決了QoS預測中的冷啟動問題，并且將此思想用于對LAC算法的優(yōu)化。最后，對基于用戶聚類的QoS預測與服務選擇系統(tǒng)進行了設計，將計算過程劃分為離線與在線階段。在離線計算階段進行LAC聚類和基于用戶聚類的結果預處理的基礎上，針對服務選擇請求在線處理中QoS預測和skyline計算兩個關鍵過程，提出了基于用戶聚類的QoS在線預測算法和聚類輔助的改進skyline算法。通過充分利用離線運算生成的中間結果，上述算法有效的