一种动态混合QoS语义的Web服务个性化推荐模型

服务推荐是服务计算中的主要问题之一,当前大多针对功能属性进行推荐,而在Web服务的QoS属性方面考虑较少,并且不支持动态变化的QoS属性。基于动态混合QoS的语义Web服务个性化推荐模型,把语义Web技术引入Web服务中,在QoS监控器下,有效监测Web服务的QoS属性变化并动态更新Web服务的QoS属性。根据建立的用户兴趣模型,向用户推荐具有个性化的Web服务。此外,在个性化推荐系统中使用最广泛的协同过滤推荐技术基础上,对数据进行了一系列的预处理填充,而且充分考虑了不同时间的项目评分对推荐的影响。结合用户兴趣度和用户评分的相似性计算方法,并通过不同的权值来表示它们的重要程度,综合计算目标用户的最近邻居集合,最终对用户u产生推荐。该系统在一定程度上提高了服务推荐的效率和准确度并满足用户查询需求。     

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.     

QoS-aware middleware for Web services composition

The paradigmatic shift from a Web of manual interactions to a Web of programmatic interactions driven by Web services is creating unprecedented opportunities for the formation of online business-to-business (B2B) collaborations. In particular, the creation of value-added services by composition of existing ones is gaining a significant momentum. Since many available Web services provide overlapping or identical functionality, albeit with different quality of service (QoS), a choice needs to be made to determine which services are to participate in a given composite service. This paper presents a middleware platform which addresses the issue of selecting Web services for the purpose of their composition in a way that maximizes user satisfaction expressed as utility functions over QoS attributes, while satisfying the constraints set by the user and by the structure of the composite service. Two selection approaches are described and compared: one based on local (task-level) selection of services and the other based on global allocation of tasks to services using integer programming.     

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QoS和用户偏好的Web服务发现模型

快速而准确地发现和选择满足用户需求的Web服务是目前研究的热点.提出一种基于QoS和用户偏好的Web服务发现和选择模型,该模型通过附加数据库来扩展UDDI以实现QoS属性的描述,引入QoS属性排序和权重实现用户的个性化选择,提高服务的查准率.     

基于关联规则挖掘与用户情景感知的Web服务QoS预测

作为Web服务的非功能性属性,Qo S在服务选择与服务组合中扮演着重要角色。由于一些Qo S属性值会随着用户情景属性的变化而动态变化,因此在做服务选择或服务组合之前先对Web服务的Qo S做预测是非常必要的。该文提出运用数据挖掘技术挖掘服务组合执行日志,研究服务Qo S和用户情景间的关联关系,根据得到的关联规则对不同用户做个性化服务预测。实验结果表明我们的方法非常有研究价值。     

用户驱动的组合服务选择算法

用户需求准确获取和复杂不确定环境下的最优服务选择是服务组合研究中的难题.首先提出一个接近用户表达习惯的用户权重表达模型获取用户服务质量(QoS)权重,然后提出一种基于层次分析法(AHP)和逼近理想解排序法(TOPSIS)的组合服务选择算法(CWSSA)以解决最优服务选择问题.该算法转换用户的QoS属性两两比较矩阵为用户权重,评估区间数表示的复杂不确定环境下的QoS信息.还介绍了一个QoS属性关系表示的用户权重模型和区间数描述的QoS模型及聚合算法.实验验证了该算法的优越性和有效性.     

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.     

保障QoS的服务决策系统的研究与设计

随着Web服务架构在企业信息化中应用的普及,针对Web服务的服务质量(QoS)需求,提出了多Agent协作机制下保障QoS的服务决策系统;通过对传统的Web服务架构的研究,扩展了UDDI注册中心,使其能够实现QoS属性的描述、发布、查询和更新;在此基础上加入了用户Agent、服务商Agent和决策Agent,在多Agent协助和交互的机制下,给出主客观赋权排序的群决策算法;算法综合考虑了QoS的主观需求和客观条件,使系统实现保障QoS的服务决策。     

基于领域本体和QoS的服务选取方法*

针对如何在众多Web服务中找到满足功能需求的服务,又如何在多个相似服务和多个组合方案中寻求最优目标,提出一种基于领域本体概念和决策理论的服务选取方法。该方法首先借助领域本体概念,根据输入输出参数的语义找到满足功能需求的服务,在多个相似服务和多组合方案选择上,通过对各QoS属性综合决策评估出最优解。最后通过实验验证了该方法的有效性和可行性。     

基于模糊QoS和偏好权重的Web服务组合方法研究

为了充分体现服务质量(QoS)的不确定性和用户偏好的模糊性,本文将模糊集理论引入基于QoS的Web服务组合中,将不适合精确表示的QoS属性和用户偏好等信息用三角模糊数表示.然后基于权重和法计算模糊总目标,通过设计新的模糊数比较方法,改写Pareto支配关系,将基于模糊数比较的单目标优化问题转化为多目标优化问题,并设计模糊多目标遗传算法(FMOGA)求得Pareto最优解集.该方法不仅能够得到更加贴近实际情况的优化解,同时也解决了多属性决策方法无法对大量候选服务进行全局优化的问题.最后通过实验验证了该算法的有效性和优越性.     

一种考虑QoS数据可信性的服务选择方法

随着Internet上功能相似的Web服务的逐渐增多,在运行时刻基于服务质量(QoS)对Web服务进行查找和选择已成为研究热点.现有的基于QoS的服务选择方法通常假定服务提供者和使用者给出的QoS数据都是真实可信的,然而这一假设在实际中往往很难保证.为此,提出了一种考虑QoS数据可信性的服务选择方法.方法从QoS数据来源的角度对质量属性进行分类和计算:对于数据来自服务提供者的质量属性,使用以往运行数据统计,对提供者的QoS数据进行修正;对于数据来自服务使用者的质量属性,通过计算用户间以往反馈的相似程度权衡不同QoS反馈数据的可信程度.对此给出了实现框架,并通过一组模拟实验说明该方法能够有效地削弱不可信的QoS数据对服务选择的影响,增强了Web服务选择结果的准确性.     

一种基于QoS的Internet服务管理体系结构

服务定位协议(SLP)是IETF提出的基于IP网络的服务定位标准。而这一标准并没有考虑对QoS的支持。未来的互联网络是一个具有QoS保证的网络。服务发现仅仅是Internet服务管理中的一个方面，发现服务不是最终目的，最终目的是为了使用这一服务。在对SLP体系结构、下一代互联网QoS服务管理及相关技术充分研究的基础上，提出了一种新奇的基于QoS的Internet服务管理体系结构模型。为使在服务表示与发现层支持QoS，对SLP定位协议进行了一些扩充。对服务定位协议扩充后，当用户代理在向服务代理发布请求时，可以在请求消息中绑定QoS对象参数，一旦服务代理接收到这一消息，就可以利用这些QoS参数与域管理器进行协商，协商结果可通过服务代理反馈给用户代理。这样不仅减小了网络开销，而且降低了传统的用户代理与域管理器协商的次数，在服务发现的同时用户代理还可以直接获得该服务的QoS信息。     

基于信息熵多属性决策的Mashup服务推荐方法

随着Mashup服务的快速发展,如何在海量的服务集合中找到用户感兴趣的、服务质量高的Mashup服务,成为一个难题。针对该问题,提出一种基于信息熵多属性决策的Mashup服务推荐方法。首先建立用户兴趣模型和Mashup服务的质量(Quality of Service,QoS)模型;其次,利用信息熵多属性决策方法,预测用户对候选Mashup服务的综合评分,并将综合评分最高的Top-K Mashup服务推荐给用户;最后,在不同数据集上进行实验比较与分析,结果表明:基于信息熵多属性决策的Mashup服务推荐方法能够有效地为用户推荐其感兴趣的、高质量的Mashup服务。     

Flexible service selection with user-specific QoS support in service-oriented architecture

Along with the development of the service-oriented architecture (SOA) and cloud computing, a large number of service providers have created an intense competitive world of business. Consequently, it is becoming increasingly complex to select a service provider for a user as a result of their various economic and social attributes. In this paper, we state the problem of how to find the appropriate services with satisfying the users' multiple QoS requirements. We consider the service's response time, trust degree and monetary cost. And inspired from the mode of Web search engine, such as Yahoo, Google, we propose an innovative service selection algorithm for SOA systems. The algorithm can recommend a number of suitable services based on the user's QoS requirements.Compared with the existing scheduling algorithms, our solution is much more flexible in supporting the multiple objectives and user personalization. We study the scalability of the algorithm with different numbers of jobs, service providers and QoS criteria. And we find that it can capture user's preferences value in less than six times of job submissions.     

自定义服务质量模型的网格工作流调度算法

随着网格服务应用的发展,在网格工作流中,复杂的任务可以由多个独立的服务,通过工作流引擎等方式组合成新服务后完成。在组合服务的过程中,由不同服务提供商提供的候选服务,具有不同的服务质量参数,在网格工作流调度中,需要满足用户定义的服务质量约束。提出了方便用户定义的服务质量模型,并且在该模型的基础上,改进了网格工作流调度算法,通过实验分析证明改进后的算法优于传统的调度算法。     

基于QoS的P2P网络服务组合的算法

现有的P2P网络服务缺乏服务质量保证,很难应用于商业领域.将服务质量属性引入P2P网络服务,提出了P2P网络中服务组合模型,并且给出一个基于服务质量的P2P服务组合计算方法.然后提出一种拉格朗日松弛法算法,给出了满足用户服务水平协议的服务组合求解步骤.实验结果表明,提出的拉格朗日松弛法求解P2P服务组合计算的模型有良好的时间性能.     

面向用户群体的Web服务推荐

针对Web服务推荐中服务用户调用Web服务的服务质量数据稀疏性导致的低推荐质量问题,提出了一种面向用户群体并基于协同过滤的Web服务推荐算法(WRUG)。首先,为每个服务用户根据用户相似性矩阵构建其个性化的相似用户群体;其次,以相似用户群体中心点代替群体从而计算用户群体相似性矩阵;最后,构造面向群体的Web服务推荐公式并为目标用户预测缺失的Web服务质量。通过对197万条真实Web服务质量调用记录的数据集进行对比实验,与传统基于协同过滤的推荐算法(TCF)和基于用户群体影响的协同过滤推荐算法(CFBUGI)相比,WRUG的平均绝对误差下降幅度分别为28.9%和4.57%;并且WRUG的覆盖率上升幅度分别为110%和22.5%。实验结果表明,在相同实验条件下WRUG不仅能提高Web服务推荐系统的预测准确性,而且能显著地提高其有效预测服务质量的百分比。     

Broker-based SLA-aware composite service provisioning

QoS-aware service composition aims to satisfy users’ quality of services (QoS) needs during service composition. Traditional methods simply attempt to maximize user satisfaction by provisioning the composite service instance with the best QoS. These “best-effort” methods fail to take into account that there also exist other consumers competing for the service resources and their decisions of service selection/composition can impact on QoS. Since user's QoS needs can be met once the demanded level is reached, in this paper, we propose an “on-demand” strategy for QoS-aware service composition to replace the traditional “best-effort” strategy. The service broker is introduced to facilitate implementation of this strategy: it first purchases a number of service instances for each component from providers and then provisions the composite services with different QoS classes to consumers. This paper focuses on how the broker follows the service level agreement (SLA) to provision composite services in the “on-demand” manner. This problem is formally expressed as the minimization of the QoS distance function between SLA and QoS of composite service instances, under a series of constraints. Heuristic approaches are proposed for the problem and experiments are conducted at last to verify their effectiveness and efficiency.     

A fast and scalable approach for IoT service selection based on a physical service model

Information Systems (ISs) have become one of the crucial tools for various organizations in managing and coordinating business processes. Now we are entering the era of the Internet of Things (IoT). IoT is a paradigm in which real-world physical things can be connected to the Internet and provide services through the computing devices attached. The IoT infrastructure is starting to be integrated with ISs thereby diminishing the boundaries between the physical world and the business IT systems. With the development of IoT technologies, the number of connected things and their available physical services are increasing rapidly. Thus, selecting an appropriate service that satisfies a user’s requirements from such services becomes a time-consuming challenge. To address this issue, we propose a Physical Service Model (PSM) as a common conceptual model to describe heterogeneous IoT physical services. PSM contains three core concepts (device, resource, and service) and specifies their relationships. Based on the proposed PSM, we define three types of Quality of Service (QoS) attributes and rate candidate services according to user requirements. To dynamically rate QoS values and select an appropriate physical service, we propose a Physical Service Selection (PSS) method that takes a user preference and an absolute dominance relationship among physical services into account. Finally, experiments are conducted to evaluate the performance of the proposed method.