一种基于用户元数据的快速Web服务QoS预测方法

摘要

本发明公开了一种基于用户元数据的快速Web服务QoS预测方法，该方法通过使用用户的元数据(地理位置信息和历史QoS记录)来精确选择请求用户的领域，同时通过融合用户扩展内在属性的矩阵分解算法有效地提高预测的准确性。本发明通过矩阵分解加速技术大大提升了求解效率，从而实时响应多用户的个性化QoS查询请求。

主权项

一种基于用户元数据的快速Web服务QoS预测方法，包括如下步骤：(1)收集所有用户提供的元数据，所述的元数据包括用户对其调用过的所有Web服务的QoS数据以及用户的IP地址信息；进而根据所述的QoS数据建立用户与Web服务之间的QoS元矩阵R；(2)根据所述的元数据计算用户之间关于地理位置的欧式距离以及关于QoS数据的相似度；(3)根据所述的欧式距离和相似度，确定出每个用户的邻域用户集合；(4)根据所述的QoS元矩阵R以及每个用户的邻域用户集合，通过SVD方法建立以下目标函数Q，并对该目标函数Q进行最小化求解，以求得关于用户的隐式特征矩阵U和关于Web服务的隐式特征矩阵S；进而根据V＝U^TS重建用户与Web服务之间的QoS预测矩阵V；$Q=\frac{1}{2}\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{I}_{ij}{[R_{ij}-{(\alpha ·U_i(1-\alpha )·\frac{1}{K}\underset{g\in N_2\left(i\right)}{\Sigma }{U}_g)}^T{S}_j]}^2+\frac{\lambda }{2}\left|\right|U|{|}_F^2+\frac{\lambda }{2}|\left|S\right|{|}_F^2$其中：U_i为隐式特征矩阵U中的第i列向量，S_j为隐式特征矩阵S中的第j列向量，N₂(i)为第i个用户的邻域用户集合，K为预设的邻域用户个数即邻域用户集合N₂(i)中的用户总数，U_g为邻域用户集合N₂(i)中的第g个用户在隐式特征矩阵U中所对应的向量，m为用户的总数，n为Web服务的总数；R_ij为QoS元矩阵R中第i行第j列元素值，I_ij为R_ij的指示符，若R_ij为null则I_ij＝0，否则I_ij＝1；|| ||_F为F‑范数，^T表示转置，α和λ均为给定的控制系数；(5)接受用户关于Web服务的QoS查询请求，然后根据QoS预测矩阵V向该用户提供其所请求查询的Web服务的QoS数据预测结果。