基于QoS反向交叉預測的Web服務推薦系統(tǒng)研究.pdf

1、隨著云計算的發(fā)展，越來越多的應用以云端服務的形式開放，隨之引發(fā)了Web服務數(shù)量的爆炸式增長，互聯(lián)網(wǎng)上涌現(xiàn)出越來越多的功能相同但服務質量(QoS)不同的Web服務。面對如此龐大的服務集合，用戶手工在服務注冊中心或者搜索引擎上查找所需服務變得越來越困難。基于QoS的服務推薦，旨在從眾多等功能服務中挑選出滿足用戶QoS需求的服務，已經成為服務計算(SOC)領域最炙手可熱的研究方向之一。
　　 以往的研究工作已經充分利用了候選服務的Qo

2、S屬性來解決此問題，然而這些工作都是基于一個共同的前提，那就是假設所有候選Web服務針對目標用戶的QoS值均已知。由于Web服務的QoS具有不確定性（同一個Web服務針對不同用戶的QoS存在很大差異）以及不完整性（很少有用戶曾調用過所有的候選Web服務），因而這種假設和實際應用的情況存在相當大的差距，換而言之，很多Web服務針對目標用戶的QoS是未知的。
　　 為解決QoS值缺失的問題，本文基于協(xié)同過濾的思想，提出一種創(chuàng)新的Qo

3、S預測算法DRaC。DRaC算法中引入了數(shù)據(jù)平滑機制，對訓練集中的用戶進行聚類操作，并利用各聚類中用戶的歷史QoS信息對預測系統(tǒng)的輸入數(shù)據(jù)集進行數(shù)據(jù)平滑化預處理，可以有效提高系統(tǒng)的QoS預測準確度。不同于傳統(tǒng)的基于協(xié)同過濾的預測算法， DRaC算法提出了反向交叉預測方法，充分合理利用了訓練矩陣中相似度較低的用戶與服務數(shù)據(jù)，可改善數(shù)據(jù)稀疏問題為預測系統(tǒng)帶來的影響，優(yōu)化了預測效果。此外DRaC算法提出基于用戶反饋的信任度模型，在線統(tǒng)計學習用