基于用戶聚類的Web服務(wù)QoS預(yù)測與服務(wù)選擇算法研究.pdf

1、近年來，Web服務(wù)計算領(lǐng)域隨著SOA技術(shù)的廣泛應(yīng)用而得到了快速發(fā)展，從中衍生出了服務(wù)發(fā)現(xiàn)、服務(wù)組合、服務(wù)選擇等若干子領(lǐng)域。服務(wù)選擇，作為服務(wù)執(zhí)行前的重要步驟，其中的QoS預(yù)測和skyline計算等課題亦成為了熱門的研究方向。
　　 對于服務(wù)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(yù)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(yù)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(yù)測和skyline計算的在線特性，使得其在服務(wù)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(yù)測和服務(wù)選擇算法。首先通過引入圖挖掘技術(shù)中的圖摘要算法，對用戶-服務(wù)QoS關(guān)系進(jìn)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(wù)關(guān)系替代原用戶-服務(wù)關(guān)系，將稀疏的大數(shù)據(jù)集轉(zhuǎn)化為密集的小規(guī)模數(shù)據(jù)。基于LAC算法的結(jié)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(yù)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(yù)測與服務(wù)選擇系統(tǒng)進(jìn)行了設(shè)計，將計算過程劃分為離線與在線階段。在離線計算階段進(jìn)行LAC聚類和基于用戶聚類的結(jié)果預(yù)處理的基礎(chǔ)上，針對服務(wù)選擇請求在線處理中QoS預(yù)測和skyline計算兩個關(guān)鍵過程，提出了基于用戶聚類的QoS在線預(yù)測算法和聚類輔助的改進(jìn)skyline算法。通過充分利用離線運算生成的中間結(jié)果，上述算法有效的