论文部分内容阅读
近年来,随着互联网技术的高速发展,软件服务产业发生了重大变革。软件应用需求持续深化,新的计算机技术和新的软件模式不断涌现,呈现了明显的服务化和网络化的发展趋势。软件即服务(Software as a Service)的软件应用模式为按需定制软件提供了可能。越来越多的软件开发者或软件企业将私有的服务部署在Internet上,而服务用户可以根据自己的需求从中选择满意的服务来重新定制新的服务,极大地增加了按需定制服务的灵活性,大大地缩短了复杂服务的开发周期,以及节约了时间成本。随着部署在互联网上的服务数量的不断增长,越来越多的Web服务具有相同或相似功能。但是,它们的服务质量(Quality of Service,QoS)良莠不齐。对服务用户来说,从这些功能相似的服务中选择令自己满意的、高质量的服务是相当困难的。针对这个问题,诸多学者对基于QoS的Web服务选择方法展开了研究,提出了多种服务选择模型。但是,他们大多采用确定的QoS值进行Web服务选择,忽视了外在环境的动态变化对服务的QoS的影响。实际上,Web服务的QoS很容易受用户位置、网络负载、网络状态变化等外在环境因素影响,具有不稳定性和动态变化特性,甚至波动很大。因此,本文重点考虑了Web服务QoS的动态变化特性对Web服务选择的影响,完成了如下研究工作:(1)考虑到Web服务QoS的动态变化特性,本文直接采用区间值表示Web服务的多个QoS属性值,并建立了一种基于区间型QoS的Web服务选择模型。首先,将用户的QoS需求与Web服务的区间型QoS结合起来,采用区间型QoS的归一化模型和单个QoS区间的效益值计算模型衡量每个QoS区间的贡献值。然后,综合用户QoS需求中每个QoS属性的权重,得到每个服务的综合效益值,并按效益值的大小进行综合排名。最后,通过实例分析和仿真实验验证了该方法的可行性和有效性。(2)针对QoS未知的Web服务,提出了区间型QoS值的预测方法。以往的服务QoS预测方法,为服务预测的QoS一般是一个确定的点值。而现实中,由于Web服务的QoS具有动态变化特性,为用户预测一个服务的QoS变化范围,即QoS区间可能更容易为用户所接受。本文提出了一种个性化的Web服务QoS区间预测模型,使用了基于用户的协同过滤、基于项目的协同过滤以及混合的协同过滤三种方案以进行个性化的QoS区间预测。在用户给定预测区间长度的情况下,找出置信度最大的QoS区间作为预测结果。实验结果证明,相对于其他基于协同过滤的服务推荐方法,本文提出的个性化的Web服务QoS区间预测方法得到的QoS区间预测值准确度更高。