Web服务QoS灰色评价模型

在分析国内外Web服务QoS定量评价的研究成果和不足之处的基础上,提出了基于灰色系统理论的Web服务QoS定量评价模型,即筛选Web服务QoS评价因子,确定因子权重集,计算各因子与参考基准的灰色关联度;通过应用从QWS数据集中提取的6个世界权威气象机构的气象信息Web服务,得出7个Web服务QoS的实际评价结果,并与其它评价方法进行比较;指出了进一步研究的方向。研究结果表明,该模型符合灰色系统理论的应用特点和Web服务应用的发展方向,作为Web服务选择时不同Web服务质量比选的定量评价工具,为Web服务的可信应用和电子商务的发展奠定了基础。     

一种Web服务QoS可信性评价模型

随着Web服务数量的增加,根据Web服务的非功能属性(QoS)度量Web服务质量成为研究热点之一.目前对Web服务QoS的研究主要集中在QoS信息管理、QoS度量方法及基于QoS驱动的服务选取上,但对于QoS评价的可信性研究较少.本文在目前QoS研究的基础上提出一个Web服务QoS可信性评价模型,并给出了两种Web服务QoS可信性评价方法.最后,描述了可信性评价的实验过程及效率分析.     

支持QoS属性的Web服务PFS模型研究

目前的Web服务只有基于功能性描述的服务注册与发现接口，不能实现具有QoS属性的Web服务注册与发现，为此提出了支持QoS属性的Web服务PFS模型，引入QoS Broker模块实现具有QoS属性的Web服务注册、查找、选择和QoS信息的管理功能，实现了Web服务使用过程中的QoS监视以及QoS评价，并将最新的评价结果用于服务QoS信息的更新，从而保证了QoS信息的公平性、可信性和实时性。     

基于二维QoS模型的Web服务组合

在实际应用中,单个Web服务通常无法满足复杂应用的需求,如何组合已有的服务,从而提供更强大更完整的商业功能已成为此领域的研究热点。然而现行的SOA架构中,Web服务组合方法中很少考虑Web服务质量（QoS）问题,或者对Qos考虑得不够全面,这样,组合出的服务不能确保能够满足用户的QoS需求。针对这一问题,提出了Web服务的二维QoS模型,并使用了改进的UDDI规范,在此基础上给出了基于QoS的Web服务组合的有色Petri网组合策略。在满足用户组合服务的功能需求的同时,也满足了用户对服务质量QoS的需求,实现了需求服务的优化。     

基于模糊评判的Web服务评价模型

Web服务质量的评价是指导Web服务的选取与组合的主要手段,而目前的Web服务评价模型采用通用的服务评价属性作为评价因子,忽略了Web服务质量评价的多元性和模糊性。用基于模糊理论的方法描述Web服务评价模型,支持使用专业人员或领域专家的领域知识计算评价因子的权值分布。与其它Web服务评价机制相比较,该模型能更加准确、客观地反映实际情况,减少人为的主观随意性,对Web服务质量做出了合理的评价。     

基于QoS的语义Web服务发现研究

将QoS引入到语义Web服务中,分析了QoS本体的描述方法、Web服务的发现方法和语义Web服务发现方法,建立了一个通用的QoS模型,模型中的参数属性基本能描述QoS的衡量标准。提出了基于QoS语义Web服务发现框架,第一步通过功能来发现Web服务,第二步通过建立的QoS模型来评价发现的Web服务集合,找到QoS最佳的Web服务。最后通过实例建立了语义功能本体和QoS本体。     

融合可信性评价的Web服务组合QoS优化

针对复杂网络环境下存在的恶意欺诈行为,提出一种将服务可信性评价和基于QoS感知的服务组合优化相结合的方法框架.首先,基于Web服务的历史行为分别采用贝叶斯学习理论和用户评价方法,从客、主观两方面对Web服务可信性进行评估;然后,利用可信性度量后的QoS属性构建多目标优化模型,并提出一种改进的多目标灰狼优化(IMOGWO)算法用于模型求解;最后,通过实验数据验证所提出方法框架在服务组合优化时的有效性.     

Web服务组合中QoS评分度量模型的研究

在Web服务组合过程中,QoS(quality of service)是决定其组合能否成功的关键因素之一。这篇文章在分析了Web服务组合中QoS的非功能属性基础上,分别从四个角度来描述通用的QoS属性,并对服务构件的QoS服务质量进行了量化,最后给出了开放环境下Web服务组合中QoS的评分度量模型。     

基于云模型的Web服务QoS预测

随着近年来Web服务数量的快速增长,用户-服务QoS(Quality of Service)记录矩阵变得日益稀疏。为了解决传统协同过滤算法在稀疏数据集上预测精确性不高的问题,利用欧几里得距离对数值敏感的特点,将云模型特征向量的欧几里得距离转换成云模型的相似度。对基于云模型的协同过滤算法改进,并将改进算法用于Web服务QoS的动态预测。考虑用户调用同一服务提供商的不同服务有相似体验,再结合云模型的相似度对QoS记录矩阵进行填充,在预测用户调用某服务的QoS时使用填充后的QoS记录矩阵进行计算,从而有利于解决稀疏矩阵下预测准确度难以提高的问题。实验表明,使用该算法的预测结果相较于传统的协同过滤算法有更低的平均绝对误差(MAE),能获得更高的推荐质量。     

基于QoS的语义Web服务选择框架

服务质量（QOS）成为动态选择满足用户需求的Web服务的关键因素。然而目前Web服务的QoS信息描述缺乏语义性,且Web服务的选择还不能做到完全自动化。文章提出一种Web服务的QoS本体结构,并在此QoS本体和原有的语义Web服务的基础上提出基于QoS的语义Web服务选择框架（QSF4SWS）。研究表明,该框架不仅增强了Web服务QoS描述的语义性,而且还能够实现Web服务的动态发现与自动选择。     

基于UDDI扩展的Web服务QoS模型

在现有UDDI规范中增设QoS认证组件,提出一个Web服务QoS评估模型。定义一组描述Web服务QoS属性分类的tModel,在引入QoS量化概念的基础上,结合QoS认证中心主动监视和服务消费者QoS反馈机制,对UDDI中注册的Web服务QoS进行动态评估和调整,保证了Web服务QoS信息的公平性、可信性和实时性。     

基于动态QoS的Web服务组合

在Web服务组合中,现行的几种QoS衡量标准都将重点放在单个Web服务本身的质量上,而忽视了Web服务动态特性、组合特性以及服务组合中的网络特性。另外,在诸多服务组合的算法中,都只是强调组合服务的总体质量,却忽略了用户对某些质量属性的约束条件,从而导致服务重计算问题经常发生。为此,考虑了服务动态特性以及服务间的协作关系对组合服务质量的影响,提出了动态QoS模型;同时,综合了用户的质量约束以及组合服务的整体质量,将用户的质量约束引入服务组合流程中。最后通过实验证实了所提出的动态QoS模型能够根据服务实体的实时情况计算服务质量,同时将用户的质量约束引入服务组合流程中,有效地避免了服务重计算问题。     

基于多Agent的Web Service QoS模型

Web Service是采用面向服务的体系架构的基于标准的Web协议的软件构件,而Agent是一种在异构环境中自主行动以实现其设计目标的智能化软件实体。文章研究了利用Agent技术来进行动态发现、绑定符合用户QoS需求的Web Service,从而能够为用户提供更好的服务。     

基于模糊理论的Web服务信任评估模型

针对Web服务环境的开放性、欺骗性和不确定性等特征,提出一种基于模糊理论的Web服务信任评估模型——WSTrustM。该模型采用模糊理论的方法对信任度进行度量并对信任评估因素进行组合权重分配,利用模糊集合理论的隶属度概念对实体之间的信任关系进行等级划分。仿真实验结果证明,该模型在Web服务信任评估方面更加准确,可以降低交互风险、保证交互的成功率。     

一种Web服务的QoS抽象模型和评估方法

目前Web服务研究中关注的QoS属性较多,且属性值的评估方法随应用领域和组织机构的不同差异较大,这不利于以一致的方式来评估Web服务的QoS。从抽象的角度在众多QoS属性中提炼出时间、概率、代价3种抽象QoS属性,并在此基础上给出了QoS多属性归一化处理方法和多属性综合评估方法,以支持在模型层面以一致的方式评估Web服务的QoS,以及QoS优化的Web服务选取。     

MQM:一种用于Web服务查找的多维QoS模型

随着Web的发展,可供选择的功能相同或相似的Web服务越来越多,因此有必要为用户提供一种高效的基于服务质量(QoS)的Web服务查询机制.然而现有的Web服务QoS管理模型并不能很好的支持如动态查询等查询需求,其查询性能也有待提高.鉴于此,本文提出一种新的Web服务管理模型——多维QoS模型(MQM:Multi-dimensional QoS Model),并介绍了该模型的创建方法和相关算法.MQM通过多维模型来管理QoS数据,提供查询和OLAP操作.实验证明MQM能够使用户能更准确和快速的按QoS查询现有服务,很好地解决了传统查询方法无法确定查询条件、无法动态改变查询区间、查询性能不高等问题,进而改善了用户体验.     

Hybrid Metaheuristics Web Service Composition Model for QoS Aware Services

Recent advancements in cloud computing (CC) technologies signified that several distinct web services are presently developed and exist at the cloud data centre. Currently, web service composition gains maximum attention among researchers due to its significance in real-time applications. Quality of Service (QoS) aware service composition concerned regarding the election of candidate services with the maximization of the whole QoS. But these models have failed to handle the uncertainties of QoS. The resulting QoS of composite service identified by the clients become unstable and subject to risks of failing composition by end-users. On the other hand, trip planning is an essential technique in supporting digital map services. It aims to determine a set of location based services (LBS) which cover all client intended activities quantified in the query. But the available web service composition solutions do not consider the complicated spatio-temporal features. For resolving this issue, this study develops a new hybridization of the firefly optimization algorithm with fuzzy logic based web service composition model (F3L-WSCM) in a cloud environment for location awareness. The presented F3L-WSCM model involves a discovery module which enables the client to provide a query related to trip planning such as flight booking, hotels, car rentals, etc. At the next stage, the firefly algorithm is applied to generate composition plans to minimize the number of composition plans. Followed by, the fuzzy subtractive clustering (FSC) will select the best composition plan from the available composite plans. Besides, the presented F3L-WSCM model involves four input QoS parameters namely service cost, service availability, service response time, and user rating. An extensive experimental analysis takes place on CloudSim tool and exhibit the superior performance of the presented F3L-WSCM model in terms of accuracy, execution time, and efficiency.