情境感知的个性化Web服务质量预测技术研究

With continuous improvement of standards for Web services and Cloud platforms for services development, more and more enterprises and organizations begin to encapsulate their software as services. As a result, there are many services with similar functionality over the Internet. How to help users select appropriate services according to their QoS becomes a hot research topic. Existing collaborative filtering based QoS prediction approaches are not so accurate, efficient or personalized, hence we propose to construct Web services invocation record model and QoS-context properties association model, design a personalized Web services QoS prediction algorithm based on context-aware service invocation instances, and finally verify the reliability and performance of above model and algorithm through theory analysis and simulation experiments.

随着Web 服务相关标准的持续完善以及支撑Web 服务开发的云计算基础服务平台的不断成熟，越来越多的企业和组织加入到软件服务化的行列中来，这也使得网络上存在很多功能相似或相同的服务。如何帮助消费者根据服务质量的优劣在这些服务中进行合理的选择，成为研究界广泛关注的问题之一。针对现有的基于协同过滤的服务质量预测方法中存在的准确度不高、效率较低、不能充分满足个性化需求定制等问题，本项目拟研究包含情境属性和QoS属性的Web服务调用记录模型；基于服务调用记录挖掘属性间依赖关系，构建服务QoS-情境属性关联模型；在模型基础上设计以情境相似的服务调用实例为推荐参考、满足用户个性化QoS需求的服务质量预测算法；通过理论分析和仿真实验测试上述模型和算法的性能和可靠性。

Web服务质量预测在基于QoS的服务选择、服务推荐、服务组合优化等研究问题中具有重要的理论意义和现实的应用价值，本项目从模型构建、Web服务实例聚类、以及个性化的服务质量预测算法等方面展开研究，取得的成果主要包括以下几方面：（1）针对Web服务调用记录模型的构建问题，将其分解为服务质量模型和情境上下文模型，已初步构建情境本体和QoS本体；针对服务调用源数据的预处理方法，设计了一种处理混合值向量的相似性函数，以对服务QoS数据和服务调用情境特征向量进行了归一化处理；（2）针对服务QoS—情境属性关联模型的构建问题，面向多媒体服务应用领域，在情境本体定义的基础上，基于对服务实例进行关联规则挖掘，得到了多媒体服务QoS属性与上下文属性之间的依赖关系；（3）针对基于情境相似的服务调用实例聚类机制的研究，我们对Meanshift聚类算法进行了分布式改进，分别在海量商品的全量识别和基于热门节点聚类的用户兴趣相似度识别中进行了应用和测试，通过理论分析和实验证明了并行化的聚类算法在该应用中对于提高算法效率和精确度有明显的正作用。（4）针对基于QoS预测的服务推荐问题，我们首先提出了一种基于数理统计和概率论的值预测方法，可应用在依赖于连续累积的情境属性的QoS值预测中；然后针对移动应用这类服务的智能推荐问题，提出了一种考虑项目语义相似以缓解用户-项目评分矩阵稀疏的问题，同时充分利用用户的信任关系，将项目相似特征和用户信任关系融合到评分预测公式中，有效地提高了预测的准确度；进一步将服务的推荐和分享机制引入到搜索引擎中，提出了一种新型的搜索排序模型。.本项目相关工作取得了较好的研究成果，对情境感知的个性化Web 服务质量预测技术的发展有较好的理论参考价值和现实意义。三年来，项目组录用或发表论文11篇，其中SCI检索4篇，EI检索6篇。申请发明专利2项，授权发明专利1项。