基于协同过滤的个性化Web服务选择方法

对传统的Web服务选择算法进行分析,并指出其在动态环境下存在的问题。为了解决该问题,提出了基于协同过滤算法的个性化Web服务选择方法,并设计了一个动态的Web服务选择架构,架构使用协同过滤算法对Web服务的服务质量(QoS)值进行预测并选择最优的Web服务以满足用户的需求。使用150万条真实Web服务的QoS数据与其他4类算法进行了对比实验,结果表明所提方法的可行性和准确性。     

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。     

基于QoS的Web服务选择方法研究新进展*

随着服务计算、云计算技术的迅速发展,具有相同或相似功能但服务质量（QoS）不同的可用服务已大规模部署在互联网上。如何从这些海量Web服务中为服务组合选择令人满意的服务成了一个重要的研究问题,其选择方法是影响组合服务的QoS 和服务组合性能高低的关键因素。为了解决该问题,研究者们已开发了许多服务选择方法以帮助用户选择合适的服务。针对近五年基于QoS的Web服务选择方法的新进展进行了综述。归纳了包括运用Skyline计算、协同过滤、优化算法、多属性决策支持理论和混合方法等一些典型的服务选择方法,讨论了各方法的优势和局限性,并根据当前研究现状,探讨了该领域的发展趋势和未来研究方向和挑战。     

Integrating implicit feedbacks for time-aware web service recommendations

An increasing number of Web services have been published on the Internet over the past decade due to the rapid development and adoption of the SOA (Services Oriented Architecture) standard. However, in the current state of the Web, recommending suitable Web services to users becomes a challenge due to the huge divergence in published content. Existing Web services recommendation approaches based on collaborative filtering are mainly aiming to QoS (Quality of Service) prediction. Recommending services based on users’ ratings on services are seldomly reported due to the difficulty of collecting such explicit feedback. In this paper, we report a data set of implicit feedback on real-world Web services, which consist of more than 280,000 user-service interaction records, 65,000 service users and 15,000 Web services or mashups. Temporal information is becoming an increasingly important factor in service recommendation since time effects may influence users’ preferences on services to a large extent. Based on the collected data set, we propose a time-aware service recommendation approach. Temporal information is sufficiently considered in our approach, where three time effects are analyzed and modeled including user bias shifting, Web service bias shifting, and user preference shifting. Experimental results show that the proposed approach outperforms seven existing collaborative filtering approaches on the prediction accuracy.     

基于语义的QoS感知Web服务发现机制

随着提供相同功能的Web服务数量的日益增多,服务质量(Quality of Service,QoS)成为用户选择Web服务的重要考虑因素.目前,通过对服务QoS属性在语法层匹配来提供Web服务选取的机制不能很好地满足复杂QoS属性匹配的要求.研究了基于用户QoS需求偏好,将用户需求的QoS与候选服务的QoS进行语义比较,结合约束规划(Constraint Programming)方法,在语义层匹配Web服务的QoS属性,选取满足匹配要求的服务,最后对满足QoS属性值约束的候选服务进行优化选择处理,获取最终匹配的候选服务.     

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。     

A trustworthy QoS-based collaborative filtering approach for web service discovery

Many network services which process a large quantity of data and knowledge are available in the distributed network environment, and provide applications to users based on Service-Oriented Architecture (SOA) and Web services technology. Therefore, a useful web service discovery approach for data and knowledge discovery process in the complex network environment is a very significant issue. Using the traditional keyword-based search method, users find it difficult to choose the best web services from those with similar functionalities. In addition, in an untrustworthy real world environment, the QoS-based service discovery approach cannot verify the correctness of the web services’ Quality of Service (QoS) values, since such values guaranteed by a service provider are different from the real ones. This work proposes a trustworthy two-phase web service discovery mechanism based on QoS and collaborative filtering, which discovers and recommends the needed web services effectively for users in the distributed environment, and also solves the problem of services with incorrect QoS information. In the experiment, the theoretical analysis and simulation experiment results show that the proposed method can accurately recommend the needed services to users, and improve the recommendation quality.     

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。     

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.     

Multi-user web service selection based on multi-QoS prediction

In order to find best services to meet multi-user’s QoS requirements, some multi-user Web service selection schemes were proposed. However, the unavoidable challenges in these schemes are the efficiency and effect. Most existing schemes are proposed for the single request condition without considering the overload of Web services, which cannot be directly used in this problem. Furthermore, existing methods assumed the QoS information for users are all known and accurate, and in real case, there are always many missing QoS values in history records, which increase the difficulty of the selection. In this paper, we propose a new framework for multi-user Web service selection problem. This framework first predicts the missing multi-QoS values according to the historical QoS experience from users, and then selects the global optimal solution for multi-user by our fast match approach. Comprehensive empirical studies demonstrate the utility of the proposed method.     

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。     

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.     

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.     

QoS prediction for web services based on user-trust propagation model

There is an important online role for Web service providers and users; however, the rapidly growing number of service providers and users, it can create some similar functions among web services. This is an exciting area for research, and researchers seek to to propose solutions for the best service to users. Collaborative filtering (CF) algorithms are widely used in recommendation systems, although these are less effective for cold-start users. Recently, some recommender systems have been developed based on social network models, and the results show that social network models have better performance in terms of CF, especially for cold-start users. However, most social network-based recommendations do not consider the user’s mood. This is a hidden source of information, and is very useful in improving prediction efficiency. In this paper, we introduce a new model called User-Trust Propagation (UTP). The model uses a combination of trust and the mood of users to predict the QoS value and matrix factorisation (MF), which is used to train the model. The experimental results show that the proposed model gives better accuracy than other models, especially for the cold-start problem.     

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。     

面向服务遥感图像处理平台中时间感知的服务质量预测

面向服务架构(SOA)通过将遥感图像处理算法抽象成组件化的服务，进一步通过服务选择及组合，满足遥感图像处理的复杂业务需求。为了得到满足用户服务质量(QoS)要求的服务组件进行组合，前提就是获得所有服务的QoS。然而，对于用户未调用过的服务，其QoS是缺失的，因此围绕缺失QoS的预测出现了很多研究工作。针对目前QoS预测没有考虑时效性，进而影响了QoS预测准确度的问题,通过考虑时效性提出基于时间片的QoS模型，进一步基于协同过滤提出时间感知的QoS预测方法。在WS-DREAM真实数据集中的实验结果表明，时间感知的QoS预测方法能够获得较小的均方误差(MAE)和均方根误差(RMSE)。此外，对于可能影响时间感知QoS预测的多个参数，通过设置不同的参数组合进行了多次实验和分析，为参数的选择提供了一定的参考。     

基于协同过滤的可信Web服务推荐方法

为了实现对可信Web服务的推荐,在分析了Web服务推荐技术与电子商务推荐技术的不同的基础上,提出了一种基于协同过滤的可信Web服务推荐方法。首先,根据已有成果对待组装应用的可信需求进行评估,根据此需求对相似用户进行首次筛选;然后在首次筛选的用户中,根据用户使用服务后的评分数据和用户信息来对相似用户进行二次筛选,经过两次筛选得到最终推荐用户。在根据用户对服务的评分数据计算用户之间的相似性时,考虑了不同服务对于用户间相似性的贡献值;在根据用户信息计算用户之间的相似性时,考虑到用户信息之间非线性的特点,引入了欧几里得距离公式来计算其相似值;在产生推荐的过程中还考虑了不诚实用户和用户数不足的问题。模拟实验结果表明该方法能够有效地对可信Web服务进行推荐。     

一种基于服务关系与效能的Web服务选择方法

当前Web服务选择是一个研究热点,很多研究人员提出根据用户对QoS（Quality of Service）属性的偏爱,把指定属性权值计算QoS属性综合值作为服务选择依据。实际应用中,用户对服务的偏爱是主观的,在多备选服务,多QoS属性参照的条件下主观性被进一步放大,会导致所选择的服务并不是最适合的。同时,服务之间在社会层次的相互关系并未在服务选择中被考虑。针对上述两个问题,文中首先设计了Web服务选择二维度量属性模型,引入了社会域的服务作用关系;其次通过QoS约束条件排除不满足用户要求的服务;最后设计了一种基于服务效能偏爱的服务选择方法,并通过实验数据验证了该服务选择方法的可行性、有效性和客观性。     

基于全局QoS 约束分解的Web 服务动态选择

随着执行时绑定的Web服务的提出及其被大量地应用到开放式服务中,用户对支持快速和动态的Web服务组合提出了新的要求.即在组合过程中,用尽可能短的时间花费选择满足用户端到端的QoS要求的服务.针对上述要求,提出了一种基于全局QoS约束分解的动态服务选择方法(Web service dynamic selection approach,简称WSDSA).该方法的主要思想是,通过基于模糊逻辑的自适应调整方法(adaptive adjustment method,简称AAM)和自适应粒子群优化算法(adaptive particle swarm optimization,简称APSO)将全局QoS约束自适应地分解为满足用户偏好的局部约束,然后利用局部最优获得最合适的组合服务.性能评价表明,WSDSA方法具有较好的有效性,仅用较低的时间花费就能达到或接近全局最优解,能够满足服务选择的实时性和动态性.