基于QoS历史记录的Web服务推荐算法研究

摘要

Web服务是一种近年来新兴的Web应用模式，并迅速发展起来。并且随着Internet及相关技术的迅速发展，Web服务的种类和个数正在快速地增长，而且越来越多的Web服务提供的功能相同或相似，这导致了用户很难快速地选择自己所需要的服务;同时，对于服务提供者而言，也出现了信息过载的问题，导致消费者不断流失。这都使得如何提高服务推荐质量成为相关领域的关键问题。
　　服务质量QoS(Quality of Service)作为一个判定服务提供者是否成功的重要因素，其描述了服务的非功能属性，是成功进行Web服务推荐的关键性因素。目前，对基于QoS的Web服务推荐研究有限，而且已有的研究方法大多假设Web服务的QoS是静态已知的，然而Web服务的QoS是不断变化，与服务运行时的状态密切联系的。因此，现有的研究仍存在着推荐精确度低的问题。
　　基于以上分析，本文针对Web网络环境，研究传统基于QoS的Web服务推荐技术中由于使用假设的QoS值和全部用户的QoS历史记录，从而导致Web服务推荐结果精确度不高，推荐效率低等问题。
　　本文首先引入用户兴趣度概念，利用欧氏距离将与网络新用户兴趣度相似的用户划分为一个簇，然后，利用同一簇中用户的QoS历史记录，确定对同一Web服务的各个QoS属性值，将其作为自变量，对应的服务质量QoS值作为因变量，通过多元线性回归求解出每个Web服务QoS属性的权重预测值，进而得到每个Web服务的QoS预测函数，据此为网络新用户推荐服务。围绕本文提出的基于QoS历史记录的Web服务推荐算法(Web Service Recommendation Algorithm basedon Historical QoS，WSRAHQ)给出了Web服务推荐过程，文中给出了推导过程。最后，我们以仿真实验的形式验证了该算法在提高服务推荐精确度和降低推荐运行时间方面的有效性。
　　本文的创新点有两点，一是采用用户的QoS历史记录，这些数值反映了Web服务真实的运行情况，这有助于提高服务推荐的精确度;二是将兴趣度相似的用户划分成一个簇，在进行Web服务推荐时不再使用全部用户的QoS历史记录，减少了运算量，大大提高了推荐效率。
　　Web服务推荐算法的研究已经成为服务推荐技术研究的热点问题。在Web网络环境中，一个有效的服务推荐算法能够很好的结合服务质量，用户偏好确保为用户推荐其满意的服务。保证为用户推荐服务质量较好服务的同时，满足其个性化需求，具有一定理论意义和实践价值。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．1．1 Web服务发展背景及前景

1．1．2 Web服务推荐的重要性

1．2 研究现状

1．3 本文介绍

1．3．1 本文研究内容

1．3．2 本文组织结构

1．4 本章小结

2 Web服务概述及其推荐技术

2．1 Web服务概述

2．1．1 Web服务的定义

2．1．2 Web服务推荐技术的应用

2．2 Web服务个性化推荐技术

2．2．1 基于规则的推荐技术

2．2．2 基于内容的推荐技术

2．2．3 协同过滤推荐技术

2．3 基于QoS的Web服务推荐

2．4 本章小结

3 Web服务推荐相关知识和技术

3．1 用户兴趣度

3．1．1 Web服务中的用户兴趣度定义

3．1．2 用户兴趣度的求解

3．2 欧氏距离

3．2．1 欧氏距离的定义

3．2．2 欧氏距离在Web服务推荐中的应用

3．3 多元线性回归技术

3．3．1 一元线性回归

3．3．2 多元线性回归

3．4 梯度下降

3．4．1 梯度下降的定义与分类

3．4．2 梯度下降算法在Web服务推荐中的应用

3．5 本章小结

4 基于QoS历史记录的Web服务推荐算法研究

4．1 相关研究

4．1．1 基于QoS的Web服务推荐方法存在的主要问题

4．1．2 研究环境

4．2 相关定义

4．2．1 用户的QoS历史记录

4．2．2 QoS预测函数

4．3 基于用户兴趣度的Web用户分簇

4．4 基于用户QoS历史记录的Web服务推荐算法

4．5 本章小结

5 仿真环境与性能分析

5．1 仿真工具介绍

5．2 仿真设置

5．3 性能分析

5．3．1 用户分簇精确度分析

5．3．2 WSRAHQ算法性能分析

5．4 本章小结

6 总结与展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果