基于用户经验反馈的Web Services可信度评测体系构建

服务之间的可信度是Web Services推广和计价中必须考虑的一个问题。提出服务可信度的影响因素包括QoS可信度和用户对服务执行结果的满意程度。通过用户经验反馈,针对不同领域获取用户对相应服务的可信度评价量化值,并计算QoS的实际满足率,以此建立服务的可信度评测体系。针对QoS欺骗问题,通过定期QoS统计分析,及时进行QoS修正,保持服务的高可信度。通过在模拟系统中的试用,此可信度评测体系在持续欺骗服务实体和暂时性QoS失真情况下均较低为合理。     

基于社会网络的可信Web服务选择研究

Web服务技术使开放环境中的大规模应用得到不断发展,服务提供商提供了不计其数的具有相同或类似功能的Web服务,如何选择适合的尤其是可信的Web服务是个难题。目前大多数服务选择机制都设计固定的因素集作为选择标准,但是在处理一些未知的Web服务时,难以满足用户的多样性需求。基于此,从社会网络的视角综合考虑了服务提供商网络和用户网络两个方面,提出了可信服务选择框架,对服务提供商采用模糊综合评价法来确定其综合评价值,基于用户声望评价来确定单个Web服务的可信度。用户依据服务质量(Quality of Service,QoS)需求、得到的QoS数据、服务提供商的综合评价和Web服务的可信度进行Web服务的选择。     

基于用户评价驱动的可信Web服务发现

随着Web服务技术的快速发展,如何请求和选择可信服务成为了非常重要的研究课题,即可信服务发现。本文提出了一种新的基于用户评价的Web服务发现方法．通过计算当前一段时间内多个用户对Web服务的反馈值,来判断Web服务所声明QoS的真实性,从而选择出更具可信度的Web服务。实验表明该方法具有有效性。     

基于灰色关联分析的Web服务选择

为方便用户选择最优Web服务,利用灰色系统理论对Web服务质量QoS属性因子进行分析,提出了一种基于用户QoS偏好的Web服务灰色关联分析方法。考虑到Web服务QoS的不确定性,该方法使用区间对Web服务QoS值进行建模。为了确定候选服务的QoS与用户QoS需求的符合程度,先针对服务的每个QoS属性,计算其与用户QoS需求的灰色区间关联系数;然后结合各个QoS属性的关联系数计算候选服务的QoS与用户QoS需求的综合灰色区间关联度,关联度越大的服务越符合用户的要求;最后从满足用户功能需求的Web服务中选择灰色关联度最大的Web服务推荐给用户。与其它Web服务评价模型相比较,该模型更加符合Web服务QoS的实际情况,能够在服务QoS信息不充分、不确定的环境下,对QoS属性进行合乎实际的分析处理,从而得到更加合理有效的QoS评价。     

基于Web服务社区的可信QoS评价模型

针对涉及本领域之外QoS评价的不可计算和不可信问题,提出基于Web服务社区的可信QoS评价模型。该模型在本领域外定义辅助领域本体,并在两者中使用层次分析法构造评价树和评价森林,使本领域外的QoS可以被正确评价。引入Web服务社区概念,通过主Web服务进行宏观总体控制,提高评价结果的可信度。     

一种QoS感知的Web服务群体评价方法

传统QoS感知的Web服务选择方法需要用户给出精确权重以表达其对QoS属性的偏好。为解决用户无明确偏好情况下的服务选择问题,提出了一种QoS感知的Web服务群体评价方法。对Web服务群体评价的需求进行了详细的分析,以有明确QoS偏好的用户对服务的历史选择结果为基础,利用群决策的Condorcet和Borda函数集结这些结果得到服务的群体评价,从而使得无明确QoS偏好用户可以参考该评价结果进行服务选择。理论分析和仿真实验验证了该服务群体评价方法的合理性和有效性。     

基于QoS与可信度融合的Web服务选择机制研究

随着Web服务的快速发展,大量相似的Web服务功能发布至Internet。为从Web服务集合中过滤出请求者需求的Web服务,探讨了一种基于QoS与可信度融合的Web服务选择机制。针对Web功能相似的复杂性,剖析了目前选择机制中存在的局限性,借助对服务可信度的综合评估,通过第三方的服务质量监控数据,从主观和客观两个方面评价Web服务选择,基于QoS监控、目标消费群、服务质量评估与评价反馈模型,提出了基于QoS与可信度融合的Web服务选择模型。仿真实验结果验证了该模型既可适应动态变化的环境,又可保证真实的服务质量,克服了评价标准的个体差异性。研究结果表明,提出的服务选择方法是可行与可用的。     

基于协同过滤的自适应Web服务QoS预测方法

随着Web服务越来越多,服务质量QoS作为描述Web服务的非功能性属性变得越来越重要。通常,一种服务的QoS对用户来说是未知的,因此对于基于Web服务的应用,精确预测其未知的QoS对于成功部署该服务具有重要的价值。基于协同过滤的WSRec算法是一种高精度的QoS预测方法,为进一步提升QoS的预测精度,提出了一种协同过滤的自适应Web服务QoS预测方法。该方法通过客户端首先发出QoS-Web服务请求;服务端接到请求后,根据已有数据,计算两两用户或服务间的相似度;并根据相似性找到对于目标用户的K个最接近用户或服务,生成该QoS值预测值A;同时在计算相似性时,采用改进皮尔逊相关系数得到预测值B;最后将预测值A和B以权值相结合得到目标用户或服务的QoS值。该算法改进了单一的协同过滤在数据稀疏的情况下,对相似性给予过高估计的不足,使得QoS预测值精度得以提高,取得了更好的实验结果。实验表明该方法预测精度优于WSRec算法。     

一种Web服务选择的QoS参数计算方法

为了将用户的恶意评价和服务提供者发布的虚假数据对Web服务的QoS参数的影响降至最小,确保Web服务的QoS参数的真实性,提出了一种Web服务的QoS参数计算方法,包括基于Sproas信任模型推导出的用于来自服务请求者的参数计算公式和通过引入Web服务的负载和状态参量计算来自服务提供者的参数。通过模拟实验及分析表明：来自服务请求者的参数值的稳定性较对照算法提高了9.8%,能更有效地降低用户恶意评价的影响;来自服务提供者的参数值与实际值的相似度较对照算法平均提高了16.7%,能明显削弱服务提供者发布的虚假数据的影响,并改善Web服务的负载均衡。     

基于辅助特征的Web服务QoS预测

随着互联网以及Web服务技术的快速发展,相同功能的Web服务数量越来越多.在构建面向服务的应用时,服务质量（QoS）作为Web服务的非功能特性开始被越来越多的用户所重视.为了向用户推荐高质量的服务,首先我们需要对服务质量进行预测.现今有很多关于Web服务QoS预测的工作,这些研究大都关注在建模方法的优化上,忽视了辅助特征对于QoS预测的影响.着重分析辅助特征对于QoS预测的影响,例如服务类别和用户地理位置.为了实现此目标,基于因子分解机（Factorization Machines）设计并构建了一个统一的QoS预测架构,该架构可以灵活、方便地考虑进多个辅助特征.结合服务类别和用户地理位置这两类辅助特征,提出了一种QoS预测方法,并通过在真实数据上的实验证明了我们的方法的优越性.     

一种基于用户情境的QoS预测方法

完整的QoS信息有利于更准确的服务推荐,但是现实中往往很难得到。文章提出了一种基于用户情境的QoS预测方法,对于老用户,根据他们原来的QoS选择,考虑QoS类型区别和时间衰减情况,预测新的QoS取值;对于新用户,按照用户分类信息,根据同类用户的服务选择情况,预测他们的QoS取值。实验证明,该方法有助于提高服务推荐的性能。     

云计算虚拟资源的熵优化和动态加权评估模型

云资源的动态变化和不确定性给资源管理及任务调度带来了很大的困难.为了准确地掌握资源动态负载和可用能力信息,提出一种基于熵优化和动态加权的资源评估模型,其中,熵优化模型利用最大熵和熵增原理的目标函数及约束条件,筛选出满足用户 QoS 和系统最大化的资源,实现最优调度,保障用户 QoS.对筛选后的资源再进行动态加权负载评估,对负载过重及长期不可用资源进行迁移、释放等,可减少能耗,实现负载均衡和提高系统利用率.设计了仿真实验,以验证所提评估模型的性能.实验结果表明,熵优化模型对用户 QoS 和系统最大化有很好的效果,动态加权负载评估有利于均衡负载,提高系统利用率.该评估模型实现了用户QoS保障、减少能耗、负载均衡以及提高系统利用率等多目标的优化.     

QoS驱动的服务动态替换方法

在基于SOA(Service-Oriented Architecture)的软件中,为了适应用户对软件QoS(Quality of Service)值要求的改变或是组成软件的Web服务本身QoS值的不稳定,需要对软件进行重配置,使其QoS值达到用户要求。提出一个QoS驱动的动态替换算法,通过对软件的QoS的监测结果或用户所提出的QoS需求,确定动态替换目标。通过目标的替换,使配置后的软件满足用户需求。理论分析和实验结果都说明了算法的可行性和有效性。     

一种基于组合赋权法的Web服务选择策略*

针对Web服务选择中服务请求偏好权重表达的模糊性及服务质量(QoS)属性值间存在的相互制约关系等问题,提出一种基于组合赋权法的Web服务选择策略。首先利用模糊层次分析法(FAHP)和主成分分析法(PCA)分别计算主观QoS权重和客观QoS权重;然后综合主、客观QoS权重利用组合赋权法(CWA)计算服务请求的综合QoS权重;最后提出一种综合评价函数,以保障所选择的服务在满足服务请求偏好的基础上,能更准确地反映候选Web服务总体QoS水平。实例分析表明该方法是有效的。     

基于质量的数据挖掘服务选择

在面向服务的数据挖掘系统中各种数据挖掘的算法封装成 Web服务.用户选择合适的数据挖掘服务执行自己的数据挖掘任务,而大多数最终用户并不具备这样的专业知识.从方便用户的角度出发,系统需提供一套服务选择机制,来帮助用户选择高质量的数据挖掘服务.综合通用Web服务的评价标准、数据挖掘领域的专用评价因子及用户评价反馈等多种因素及服务的动态性,给出了一个较全面的数据挖掘服务评价本体,讨论了服务质量的评价方法,给出了基于服务质量评价的动态数据挖掘服务选择方法,用户可根据数据挖掘服务评价本体的语义模型,输入质量约束条件,也可以调整评价因子权值,系统在满足用户约束条件的服务集中,通过计算出服务的综合质量值,挑选最适合的算法执行.     

An efficient approach for distributed dynamic channel allocation with queues for real-time and non-real-time traffic in cellular networks

We are witnessing these days a rapid growth of mobile users. Therefore, frequency spectrum must be efficiently utilized, as available frequency spectrum is limited. This paper proposes a channel allocation scheme with efficient bandwidth reservation, which initially reserves some channels for handoff calls, and later reserves the channels dynamically, based on the user mobility. The direction of user mobility may not be straight always, but the user may also go left, right or backwards. Thus, QoS can be improved, if the channel reservation is made based upon the user mobility and the location of the user. We devise here a new algorithm that deals with multiple traffic systems by modifying the existing DDCA algorithm [Krishna, P.V., Iyengar, N.Ch.S.N., 2008. Optimal channel allocation algorithm with efficient channel reservation for cellular networks. International Journal of Communication Networks and Distributed Systems 1 (1), 33-51]. This algorithm reserves more channels for hot cells, less number of channels for cold cells and an average number of channels for the medium cells. Furthermore, we maintain queues for all types of calls. We model the system by a three-dimensional Markov Chain and compute the QoS parameters in terms of the blocking probability of originating calls and the dropping probability of handoff calls. The results indicate that the proposed channel allocation scheme exhibits better performance by considering the above mentioned user mobility, type of cells, and maintaining of the queues for various traffic sources. In addition, it can be observed that our approach reduces the dropping probability by using reservation factor.     

Context-aware QoS prediction for web service recommendation and selection

QoS prediction is one of the key problems in Web service recommendation and selection. The context information is a dominant factor affecting QoS, but is ignored by most of existing works. In this paper, we employ the context information, from both the user side and service side, to achieve superior QoS prediction accuracy. We propose two novel prediction models, which are capable of using the context information of users and services respectively. In the user side, we use the geographical information as the user context, and identify similar neighbors for each user based on the similarity of their context. We study the mapping relationship between the similarity value and the geographical distance. In the service side, we use the affiliation information as the service context, including the company affiliation and country affiliation. In the two models, the prediction value is learned by the QoS records of a user (or a service) and the neighbors. Also, we propose an ensemble model to combine the results of the two models. We conduct comprehensive experiments in two real-world datasets, and the experimental results demonstrate the effectiveness of our models.     

基于贝叶斯张量分解的改进QoS预测

随着Web服务相关标准和技术的日趋成熟,基于服务质量（QoS）的Web服务推荐对用户体验起着决定性作用。如何准确预测Qos值是当今的研究热点。以往基于近邻或模型的协同过滤算法,采用的是“用户-服务”二维信息,预测的QoS值是静态的且精准性不高。将时间信息维度引入张量模型,建立“用户-服务-时间”的三维张量可使QoS预测值更加符合用户需求特点,用贝叶斯方法求解张量分解,引入概率意义下对于系统的解释和分析,提供一套先验概率引入先验知识的贝叶斯推断框架,提高了QoS预测的精确度。实验表明,使用该算法的预测结果较其他算法相比较有更小的平均绝对误差,很好地解决了数据稀疏度问题。     

基于可信推荐的服务质量评估模型

由于网络用户多样性和利益诉求的复杂性,部分用户发布的QoS数据不完全可信,以致影响了QoS评估的精度,为此提出基于可信推荐的QoS评估模型TR-SQE。该模型以用户推荐的与众不同程度作为其推荐信任度,隔离推荐信任度低于阈值的用户发布的QoS数据;TR-SQE将修正过的QOS信息作为推荐数据,接着根据用户与推荐者的偏好相似性来评估服务质量。分析和仿真结果表明,TR-SQE的平均绝对偏差MAE较其他方法小,评估结果与真实的服务质量基本相符,TR-SQE有助于用户的服务选择。