基于服务邻域的Web Service服务质量预测方法

摘要

本发明涉及web服务质量预测领域，公开了一种基于服务邻域的Web Service服务质量预测方法，其特征在于，包括以下的具体步骤：相似度计算步骤、邻居选择步骤、模型建立步骤、模型求解步骤以及预测步骤，通过建立一个基于邻居用户的特征向量学得到的预测模型，并通过梯度迭代下降法求解该预测模型，并最终得到对目标用户的网络服务质量的预测值，同时公开了一种应用上述Web Service服务质量预测方法的装置。本发明的优点在于，准确度高，通过分离目标服务的特征向量以及邻居服务的特征向量解决了冷启动过程中的网络服务质量的预测问题，具有较好的应用价值。

主权项

1.一种基于服务邻域的Web Service服务质量预测方法，其特征在于，包括以下的具体步骤：相似度计算步骤：根据服务的历史调用记录计算任意两个服务j、l′之间的相似度sim_jl，其中服务j为需要预测服务质量的目标服务，服务l′为服务j之外的其他服务；邻居选择步骤：根据相似度筛选任一服务j的邻域TopK(j)，将与服务j运行于相同计算平台的除服务j之外的其他服务记为集合E(j)，所述邻域TopK(j)包括与服务j最相似的一个或者多个服务l；权重计算步骤：分别计算邻域TopK(j)中所有服务l的权重w_jl；模型建立步骤：在矩阵分解模型的基础上建立用于预测Web Service服务质量的预测模型；模型求解步骤：通过梯度下降法求解预测模型，得到待求解的用户特征矩阵与服务特征矩阵；预测步骤：通过用户特征矩阵与服务特征矩阵的矩阵乘法得到最终的预测值；其中，设共同调用过服务j与服务l′的用户集合为U，则服务j与服务l′之间的相似度${\mathrm{sim}}_{j{l}^{\prime }}=\frac{{\Sigma }_{i\in U}(r_{\mathrm{ij}}-{\bar{r}}_j)(r_{i{l}^{\prime }}-{\bar{r}}_{l^{\prime }})}{\sqrt{{\Sigma }_{i\in U}{(r_{\mathrm{ij}}-{\bar{r}}_j)}^2}\sqrt{{\Sigma }_{i\in U}{(r_{i{l}^{\prime }}-{\bar{r}}_{l^{\prime }})}^2}},$r_uj为用户i对服务j的调用记录，r_ul为用户i对服务l′的调用记录，依次为服务j、l′被调用后返回的服务质量的平均值。