基于地理位置的WebService服務(wù)質(zhì)量預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及Web服務(wù)質(zhì)量預(yù)測領(lǐng)域，特別涉及一種基于地理位置的WebService 服務(wù)質(zhì)量預(yù)測方法。
【背景技術(shù)】
[0002] WebService是一類在網(wǎng)絡(luò)上用以實現(xiàn)資源的互操作性與可訪問性的應(yīng)用，且這 類應(yīng)用是自我描述的、可編程的。WebService-般使用標準的已定義完善的語言實現(xiàn)，并 通過規(guī)范的協(xié)議發(fā)布?；赟OA的架構(gòu)，WebService已成為實現(xiàn)企業(yè)內(nèi)與企業(yè)間信息系 統(tǒng)的重要手段。同時，由于WebService技術(shù)廣泛應(yīng)用在云計算中，特別是SaaS平臺上，所 以WebService的數(shù)量在迅猛增長。
[0003] 服務(wù)質(zhì)量是WebService非功能性指標的統(tǒng)稱，包括服務(wù)價格、響應(yīng)時間、吞吐量 等。服務(wù)質(zhì)量是WebService除功能性外，在服務(wù)選擇、服務(wù)發(fā)現(xiàn)、服務(wù)推薦等方面重要的 衡量標準，特別是候選的服務(wù)集中各服務(wù)的功能相似的情況下。但是大部分情況下，用戶只 能獲取僅少一部分的QoS值，原因如下：1)因為WebService的數(shù)量非常多，全部調(diào)用是不 現(xiàn)實的；2)很多WebService的服務(wù)質(zhì)量會隨著物理資源的變化而變動。在實際的服務(wù)調(diào) 用過程中，這些缺失值必須被預(yù)測出來作為服務(wù)選擇與推薦的依據(jù)。
[0004] 現(xiàn)有技術(shù)中存在多種解決推薦系統(tǒng)中預(yù)測值缺失的方法，但是上述方法的核心仍 然集中于通過調(diào)取、分析目標用戶的信息，以得到對該目標用戶的QoS預(yù)測值。上述方法存 在以下幾個方面的問題，首先，難以解決"冷啟動"的問題，當(dāng)一個目標服務(wù)從未被任何用戶 調(diào)用過，或者一個目標用戶從未調(diào)用任何服務(wù)時，無法由該目標用戶的信息得到QoS預(yù)測 值；其次，由于對目標用戶的信息分析涉及目標用戶對信息的選擇與取舍，更多地是反映目 標用戶自身的主觀喜好等因素，而基于Web的服務(wù)質(zhì)量則更多地與目標用戶的網(wǎng)絡(luò)環(huán)境和 運行環(huán)境有較大關(guān)聯(lián)；最后，數(shù)據(jù)的稀疏性也是服務(wù)質(zhì)量預(yù)測要面臨的另一個重要的問題， 極高的數(shù)據(jù)稀疏性意味著在用戶-服務(wù)調(diào)用矩陣里絕大多數(shù)項都是空值，極大地干擾了預(yù) 測值的準確性。
[0005] 針對上述在現(xiàn)有技術(shù)中所存在的問題，有必要開發(fā)一種具有更高準確性，可以更 好地反映目標用戶的實際網(wǎng)絡(luò)服務(wù)質(zhì)量的預(yù)測方法。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對現(xiàn)有技術(shù)中，無法很好地對目標用戶的網(wǎng)絡(luò)服務(wù)質(zhì)量進行預(yù)測的缺 點，提供了一種全新的基于地理位置的WebService服務(wù)質(zhì)量預(yù)測方法。
[0007] 為實現(xiàn)上述目的，本發(fā)明可采取下述技術(shù)方案： 基于地理位置的WebService服務(wù)質(zhì)量預(yù)測方法，包括以下具體步驟： 1)根據(jù)用戶的地理位置坐標，計算多個用戶1與目標用戶a之間的空間距離daHtS用戶間距離； 2)根據(jù)步驟1)得到的用戶間距離，在多個用戶1中選擇與目標用戶a距離最近的K個 用戶作為最相似的鄰居1 ;
【主權(quán)項】
1. 一種基于地理位置的Web Service服務(wù)質(zhì)量預(yù)測方法，其特征在于，包括W下具體 步驟： 1) 根據(jù)用戶的地理位置坐標，計算多個用戶1與目標用戶a之間的空間距離 dw作為用戶間距離； 2) 根據(jù)步驟1)得到的用戶間距離，在多個用戶1中選擇與目標用戶a距離最近的K個 用戶作為最相似的鄰居1 ; 3) 分別計算每一位最相似的鄰居1與目標用戶a之間的相似度= expC-d^) ;根據(jù)相似度分別計算每一位最相似的鄰居1的權(quán)重
其中，g表示最相似 的鄰居的個數(shù)； 4) 建立基礎(chǔ)的矩陣分解模型，該矩陣分解模型的目標函數(shù)
~，其中，a 為[OiU之間的調(diào)節(jié)因子，U € 代表用戶隱因子矩陣，S €巧dxn代表服務(wù) 隱因子矩陣，.fy為指示函數(shù)，= 1表示用戶i調(diào)用過服務(wù)j，ly = 0表示用戶i與 服務(wù)j之間未發(fā)生過調(diào)用行為，表示用戶i與服務(wù)j之間的網(wǎng)絡(luò)服務(wù)質(zhì)量QoS, 相、As為數(shù)值懾小的五常數(shù)，陽IIH問If分別表示弗洛貝尼烏斯范數(shù)； 5) 應(yīng)用梯度下降法對步驟4)所得矩陣分解模型進行求解，并得到最終的與S，所使
用的梯度下降迭代公式為
庫中，^代表梯度下降過程中的學(xué)習(xí)率； 6)對目標用戶a對服務(wù)j的調(diào)用過程的服務(wù)質(zhì)量進行預(yù)測，得到預(yù)測值 樂廣 a巧+ (1 -的 Sf=i W。!巧A。
2. 根據(jù)權(quán)利要求1所述的基于地理位置的Web Service服務(wù)質(zhì)量預(yù)測方法，其特征在 于，步驟4)還包括W下步驟： 4. 1)將用戶-服務(wù)調(diào)用矩陣Q分解為兩個低維矩陣，即Q a二了S ; 4. 2)計算用戶i調(diào)用服務(wù)j所對應(yīng)的服務(wù)質(zhì)量的預(yù)測值W = UfS ; 4. 3)定義損失函數(shù)3
4.4)定義用戶i調(diào)用服務(wù)j得到的服務(wù)質(zhì)量預(yù)測值為
4. 5)結(jié)合步驟4. 3) W及步驟4. 4)得到上述步驟4)的矩陣分解模型的目標函數(shù)。
3. 根據(jù)權(quán)利要求1所述的基于地理位置的Web Service服 務(wù)質(zhì)量預(yù)測方法，其特征在于，步驟5)還包括W下具體步驟：將步 驟4)所得到的矩陣分解模型的目標函數(shù)求W及S的偏導(dǎo)數(shù)得到：


，其中，G(i)表示 所有W用戶i作為鄰居用戶的用戶。
【專利摘要】本發(fā)明涉及一種Web服務(wù)質(zhì)量預(yù)測方法，公開了一種基于地理位置的WebService服務(wù)質(zhì)量預(yù)測方法，通過生成一個基于用戶地理位置信息的鄰居選擇器，尋找在地理上最接近目標用戶的K個鄰居用戶，通過計算鄰居用戶的權(quán)重，建立基于地理位置的服務(wù)質(zhì)量預(yù)測模型，采用梯度下降法求導(dǎo)服務(wù)質(zhì)量預(yù)測模型的目標函數(shù)，得到最終的待預(yù)測值。本發(fā)明的優(yōu)點在于，通過尋找與目標用戶相鄰的鄰居用戶，利用鄰居用戶與目標用戶之間存在相似性，對目標用戶的Web服務(wù)質(zhì)量進行預(yù)測，不僅預(yù)測準確率高，同時也解決了服務(wù)質(zhì)量預(yù)測的冷啟動的問題，具有較好的應(yīng)用價值。
【IPC分類】H04L12-26
【公開號】CN104601385
【申請?zhí)枴緾N201310527954
【發(fā)明人】尹建偉, 徐悅甡, 李瑩, 鄧水光, 吳朝暉
【申請人】浙江大學(xué)
【公開日】2015年5月6日
【申請日】2013年10月31日