【摘 要】
:
信誉度用来描述服务提供方发布的QoS和真实值之间的可信度。其度量标准是依据用户使用服务后,根据获取到的真实QoS与公告值的差别,以及用户主观感受所给出的反馈等级综合得到
论文部分内容阅读
信誉度用来描述服务提供方发布的QoS和真实值之间的可信度。其度量标准是依据用户使用服务后,根据获取到的真实QoS与公告值的差别,以及用户主观感受所给出的反馈等级综合得到。准确的信誉度对于用户进行服务选择,有非常重要的作用。尽管已有的很多方法能够有效地提高服务信誉度度量的准确性,但其普遍忽略了用户上下文对信誉度度量的影响。为此,本文针对用户上下文对反馈等级的影响以及如何弱化用户上下文影响进行了深入的研究,通过进行用户上下文聚类以及弱化用户上下文对反馈等级的影响,来对反馈等级进行预处理。本文面向不同的应用场景,提出了两种基于用户上下文的Web服务信誉度度量方法:1)针对用户上下文对用户反馈等级产生不同影响的问题,提出了一种基于用户上下文聚类的Web服务信誉度度量方法。该方法首先对用户上下文建模,并对其进行形式化定义及正规化处理;然后,对用户上下文进行聚类,旨在用一个综合量化值来表征用户上下文级别;最后,使用同一量化值的反馈等级来度量信誉度,进而获得不同用户上下文中的信誉度度量结果。实验结果表明,在用户反馈等级受用户上下文影响较大的场景下,该方法能够有效提高信誉度度量的准确性。2)针对已有方法在信誉度度量过程中仅采用单一用户上下文中的反馈等级而造成反馈等级使用率低的问题,提出了一种基于用户上下文敏感度的信誉度度量方法。该方法首先提出用户上下文敏感度概念,并对用户上下文敏感度进行度量;然后,根据用户上下文敏感度对反馈等级中的用户上下文影响进行弱化,将不同用户上下文中的反馈等级转化为统一参考级别;最后,根据弱化后的反馈等级度量用户相似度,并以此获得服务信誉度的度量结果。实验结果表明,在用户对服务频繁访问的场景下,该方法能够有效提高信誉度度量的准确性。
其他文献
随着互联网上多媒体音频、图像、视频等多媒体数据数量的迅速膨胀,人们越来越需要一种新的检索方式,使得检索能够跨越不同类型的多媒体数据(如图像、音频等),从而帮助人们获得多
随着Internet的广泛应用,应用范围也从电子邮件、网页浏览扩展到了文件共享和下载,而文件下载和共享应用首选的网络结构是P2P结构。随着Internet应用的深化,社会网络的概念日益
随着大数据技术的发展,NoSQL数据库变得流行,人们对此类技术的期望和要求也越来越高。当非关系型数据库最开始被提出时,只是为了解决稳定的海量数据存储及简单的并发查询。但
随着我国电子政务的迅速发展,各职能部门积累的基础数据总量可观,但由于这些数据分别由相互孤立的应用系统产生和管理,其服务范围局限在个别应用或部门内部,各个数据库之间存
随着互联网的日益普及,各种各样的网站如雨后春笋般大量涌现,海量的信息充斥在人们眼前,给人们提供着方便而快捷的服务,在一定程度上改变了人们生活工作的方式。但同时,大量的垃圾
Maze系统是基于P2P的文件共享平台,采用集中式架构管理用户和资源。本文的研究范围是如何从用户行为中提取信息来确定资源文件间的相关性。文章首先总结了Maze系统中的资源现
在众多新型计算机的研究中,光计算机的研究起步虽然较早,但多基于光的波长或者光强开展研究,在发展过程中遇到很大困难,三值光学计算机理论体系则充分利用光的偏振性,用不同线偏振
不确定性知识的推理和决策,长期以来一直被认为 AI 领域中的一个重要研究问题,在已提出的众多方法中,概率方法是迄今为止最为流行的方法之一。贝叶斯网络 (Bayesian Network,BN)
21世纪是一个知识经济时代,以数字化、网络化为总特征的信息科学技术成为推动社会可持续发展的强人动力。作为教育传播者的高校在信息化建设方面的研究及应用已逐渐走向成熟,各
本文研究的目标是为了实现分布式、动态的e—Science科研工作流协同工作。基于这个目标,本论文重点研究了e—Science科研工作流架构,以及在此架构基础上的工作流过程建模、描述