基于物元和QoS约束的数据挖掘服务选择

为更好地选择满足用户要求的数据挖掘服务,运用可拓物元模型描述数据挖掘服务和用户需求。对数据挖掘服务进行可拓分析,计算候选数据挖掘服务与用户需求服务的相似度。构造数据挖掘QoS用户约束元,设计用于评估相似服务的方法,帮助用户选择满足要求的数据挖掘服务。实验结果表明该方法提高了选择效率。     

基于QoS本体的Web服务描述和选择机制

随着Web服务数量的急剧增长,如何从大量功能相似的Web服务中选择具有最好的服务质量(Quality of Service,QoS)的Web服务成为研究的热点.提出了一种基于QoS本体支持QoS的服务选择方法,用QoS本体以及相应的词汇来描述QoS数据,基于以上的工作,提出了一种支持QoS的选择机制,将QoS参数的语义匹配度和数值匹配度相结合,利用归一化算法对不同类型的QoS参数取值进行标准化,最后提出了一个公平的,动态的选择机制和相关实验结论.     

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.     

基于领域本体的数据挖掘服务发现算法

随着数据库的广泛应用,数据挖掘技术面临数据的海量化、分布化问题。采用面向服务的架构构造数据挖掘系统是解决该问题的方法之一。提出一种基于领域本体的数据挖掘服务发现算法,通过引入领域知识,定义数据挖掘本体,有效地解决了数据挖掘服务发现问题。首先给出了结合领域知识的数据挖掘服务发现框架,提出了数据挖掘方法本体和质量本体的定义,并给出了根据领域知识及用户需求进行数据挖掘服务发现的算法,为数据挖掘服务选择提供了较为完善的方案。     

基于QoS的Web服务选择算法综述*

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对近几年来基于QoS的Web服务选择算法的发展状况进行了综述,介绍和总结了当前基于QoS的Web服务选择问题模型,对服务选择策略进行了分类,并对当前的一些典型的基于QoS的Web服务选择算法进行了系统的分析和评论。最后指出了现有算法中的不足之处,展望了该领域的进一步研究方向。     

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QoS的组合服务发现与选择研究*

分析了服务间的组合语义和QoS语义,研究了组合服务的发现与选择过程,并提出了高性价比的服务推荐原则。在组合服务的描述中借鉴了进程代数的思想,对顺序组合、选择组合和并发组合等语义进行了刻画,这些语义是服务组合的纽带。在服务发现的过程中,阐释了exact、plugin、subsume、overlap和fail匹配,两个服务的匹配度越高表示它们在语义上越相似;在服务选择的过程中,依据服务的性价比进行选择推荐,将性价比最高的服务推荐给用户,让用户获得满意的服务。该原则在有偿服务环境中对普通用户特别适用。     

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。     

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QoS的语义Web服务选择

用XML语言描述的Web服务由于缺乏语义信息而使得服务选择的效率大大下降.将语义网和Web服务相结合,介绍一种能够描述服务语义信息的语言OWL-S,并在此基础上提出一种基于服务质量(QoS)的语义Web服务选择算法.它的基本思想是首先将含有语义信息的服务请求者和提供者双方进行相似度匹配,并记录下所有相似度达到一定要求的服务提供者,然后在这个结果集中进行QoS评价,选择出一个QoS值最大的服务.这样的选择算法使得服务选择的效率和精确度得到提高.     

动态选择Web服务的QoS本体设计

QoS信息是动态选择Web服务的重要依据.本体描述可以使Web服务成为机器可读、可理解和可操作的实体,从而可实现Web服务的自动组合.分析了Web服务的各种Qos参数,设计了一个分层的OWL描述QoS本体结构,分别表示Web服务不同方面的QoS信息,并根据Agent的思想给出了一个Web服务的改进结构,这样Web服务的使用者可利用它们动态选择最合适的Web服务.     

基于服务质量的Top-k Web服务选择方法

Web服务的质量属性具有动态性,实时性特点,能提供具有服务质量保障的Top-k服务选择,同时有效降低服务选择系统对宿主服务器及网络带来的负载。提出一种使用单调服务质量的效用函数,在规范化QoS属性的基础上,通过计算给定服务效用函数的取值空间,快速筛选出满足要求的Top-k服务的RTKS-QoS算法。实验结果证明,在k<20的情况下,RTKS-QoS算法的响应时间及给网络带来的流量负载,与不使用优化的情况相比,分别平均降低了55%及52%。     

基于ARIMA和QoS的云服务选择算法研究

为了进一步分析QoS历史数据的动态变化,对现有的基于QoS历史数据的云服务选择算法进行了改进。将原算法中每一时间段的评价指标权重由QoS历史数据平均值获得,修改为由该时间段对应的QoS历史数据获得,更能发挥历史数据的动态性。使用时间序列预测ARIMA模型对原QoS历史数据进行预测,把预测结果并入原数据集形成新的数据集,在新数据集上进行服务选择。设计了三个模型递进地进行实验分析,通过对比实验结果验证了改进算法的性能效果。     

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。     

支持QoS和用户需求的Web服务选择模糊算法*

基于QoS的Web服务选择能为用户提供更好的服务质量,而基于用户对QoS的需求和偏好的模糊性来进行Web服务选择是其中的一种方法。如何通过这种方法合理地获得最优候选服务集,是Web服务架构亟待解决的一个问题。本文提出了一种支持QoS和用户需求的Web服务选择模糊算法,该算法将用户对QoS的需求及偏好的语言描述进行去模糊化,然后选择出最符合用户需求的服务集。通过对模拟的服务质量数据进行实验,验证了该算法的优越性和有效性。     

适应模糊QoS约束优化的Web服务选择技术研究

基于QoS优化的全局Web服务选择涉及多目标和多阶段的服务合成,以及各种QoS属性的折衷,如可信性、可用性和声望等,因此提出了适当的基因算法来处理服务选择问题。由于发现质量驱动的Web服务选择是一个NP-hard问题,实际的多目标或QoS标准并不总是明确的,常常包含模糊元素。着重研究多目标Web服务选择过程中模糊QoS属性和适应进化函数之间的关系,以及如何调节个体模糊QoS属性以实现整个种群进化的问题。