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WSMO服务质量的语义Web服务发现框架

当前对Web服务进行语义描述最流行的两个框架是OWL-S和WSMO,但它们主要都是从服务功能的角度对服务进行描述,缺乏对服务质量的明确刻画,导致服务请求者难以得到最佳服务.针对此问题,对WSMO规范进行了扩展,定义了一个服务质量(QoS)的元模型--WSMO-QoS,给出了QoS的本体词汇.在此基础上提出了基于QoS的语义Web服务发现框架,并给出一个从基本描述、IOPE、QoS三个层次实现服务匹配的算法.最后,实验结果验证了该服务匹配算法的有效性.     

基于历史用户QoS感知的Web服务发现方法

目前的Web服务发现方法,由于没有充分利用用户情境信息,导致在服务发现时间和结果准确率方面存在不足。首先对包括当前用户在内的情境相似的用户进行了聚类,缩小了服务发现的范围;然后,在此基础上利用当前用户偏好信息及情境相似的历史用户感知到的候选服务的QoS数据,给出了一种基于历史用户QoS感知的Web服务发现方法,包括候选服务的QoS数据获取和综合权重计算;最后,结合实验并与其他Web服务发现方法进行比较,证明了该方法在服务发现结果的准确率和时间效率方面均有了一定的提升。     

面向服务簇的服务体系结构及服务发现

为了缩减服务查找空间,提高服务发现效率,提出服务簇的概念。将具有相似或相同服务功能的Web服务封装为一个服务簇,构建基于服务簇的服务请求/响应模式。给出了服务簇的形式化定义、面向服务簇的服务体系结构以及服务簇模式下的最优服务发现算法。仿真实验以10000个Web服务作为测试源,在服务簇数目不大于1000时,服务簇模式下的服务查找时间以及服务再查找时间均小于600ms,而当前服务响应模式下,上述时间均大于900ms。实验结果表明：基于服务簇的服务请求/响应模式可以显著提高服务发现效率,并能大幅度降低服务再查找的时间。     

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。     

基于语义的Web服务发现核心技术研究

在研究Web服务本体描述语言OWL S缺乏对服务质量的明确刻画的基础上,引入服务质量本体QoSOn对OWL S规范进行扩展。其次,提出了“两阶段”匹配模型,该算法首先经过基于服务分类的匹配剔除不相关的服务,然后引入服务相似度来度量候选广告服务和请求服务之间的相似程度;候选服务和请求服务之间的相似度是通过OWL S Profile的功能相似度和QoSOn本体的服务质量相似度两个方面进行综合评估的。最后,通过对比实验证明了该匹配算法的可行性和有效性。     

一种基于QoS的业务管理SLS信息模型

为在迅速发展的IP网络上提供各种基于IP的差异性业务,业务提供商必须为客户提供业务等级协议(SLA)以对客户做出服务质量(QoS)的保证。业务等级规范(SLS)是SLA的技术部分,它从技术层面上描述了双方对业务及其QoS要求所达成的协定。为使SLA双方的协商以及QoS的验证能有效进行,必须建立一个能满足不同业务特性的SLS信息模型。文章首先对SLA、SLS以及相关概念进行了阐述,然后提出了一种有效的通用的SLS信息模型并对该模型的组织机制进行了研究。     

基于QoS需求的数据连接中间件原型研究

对松散耦合的分布式信息系统以及Web应用提出了一种带QoS（Quality of Service）需求的数据连接中间件原型。在改善了多用户对数据库连接访问性能的同时,引入数据库连接权限的概念,采用剥夺式连接方式,更加有效的实现了在中间层对用户连接进行维护和管理。     

A novel collaborative filtering approach for recommending ranked items

In recent years, Collaborative Filtering (CF) has proven to be one of the most successful techniques used in recommendation systems. Since current CF systems estimate the ratings of not-yet-rated items based on other items’ ratings, these CF systems fail to recommend products when users’ preferences are not expressed in numbers. In many practical situations, however, users’ preferences are represented by ranked lists rather than numbers, such as lists of movies ranked according to users’ preferences. Therefore, this study proposes a novel collaborative filtering methodology for product recommendation when the preference of each user is expressed by multiple ranked lists of items. Accordingly, a four-staged methodology is developed to predict the rankings of not-yet-ranked items for the active user. Finally, a series of experiments is performed, and the results indicate that the proposed methodology produces high-quality recommendations.     

基于QoS和模糊粒子群优化的语义Web服务发现

针对现有基于服务质量(QoS)的语义Web服务发现方法中的不足,提出一种采用模糊粒子群算法的语义Web服务发现方法。根据服务发现问题定义了粒子的位置和速度,引入了模糊理论和增量惯性因子,较好地解决了粒子群算法的未成熟收敛问题,提高了基于粒子群算法的语义Web服务发现方法的查准率。实验验证了该方法的有效性。     

A Web-based collaborative filtering system

In this paper we describe a collaborative filtering system for automatically recommending high-quality information to users with similar interests on arbitrarily narrow information domains. It asks a user to rate a gauge set of items. It then evaluates the user's rates and suggests a recommendation set of items. We interpret the process of evaluation as an inference mechanism that maps a gauge set to a recommendation set. We accomplish the mapping with fuzzy associative memory. We implemented the suggested system in a Web server and tested its performance in the domain of retrieval of technical papers, especially in the field of information technologies. The experimental results show that it may provide reliable recommendations.     

A semantic service discovery approach for ubiquitous computing

Services in the ubiquitous computing are heterogeneous in nature. To be pervasive, these services should be defined in terms of their functionality and capabilities rather than the meaningless Universally Unique IDentifiers (UUIDs) or types of services. With that, clients can access the proper service based on semantic requests, rather then a pre-configured profile. In this paper, we study the requirements for semantic query to be feasible in service discovery processes. Current discovery protocols and the concept of semantics are brought together to construct a framework to realize the semantic service discovery for ubiquitous computing. Many issues are discussed in relation to service discovery topologies, ontology languages, and semantic query languages.     

基于可信QoS聚类的遥感服务发现机制

Web服务技术已经在遥感领域被用于增强遥感资源的动态性和可扩展性,然而遥感服务底层的遥感数据具有大跨度频率变化的特性,服务提供商给出的服务质量(QoS)属性值也属于开放不可信,这两点都降低了遥感服务发现的效率和准确性。为此,提出一种新的基于可信QoS聚类的遥感服务发现机制,采用底层服务响应时间、更新频率和上层服务评价等标准综合衡量QoS,进而设计更新频率自适应的QoS探测和更新机制,并通过聚类方法提高了所发现遥感服务的QoS可信性。实验表明,该方法可以提高遥感服务发现的效率和用户满意度。     

结合语义与事务属性的QoS感知的服务优化选择

服务级别协议（SLA）等级感知的服务选择是NP难题。针对服务选择中维度与粒度方面的问题,提出结合语义与事务属性的服务质量（QoS）感知的服务优化选择模型。该模型从语义链接匹配度、QoS与事务三个维度对服务进行优化选择,并设计了支持多粒度的编码策略。针对服务选择中时间复杂度高的问题,提出了克隆选择与遗传算法相结合的混合优化算法。该算法首先采用动态适应度函数,逐代淘汰不满足约束的个体;其次给出了事务属性的优先级,并根据优先级设计了知识启发式的交叉与变异算子,以保证个体满足事务属性要求;最后在遗传算法中对优秀个体进行克隆选择,以增强对最优解的搜索能力。仿真实验中,该算法在服务选择的精确度和成功率方面均优于遗传算法;在时间花费上稍高于遗传算法但远低于穷举法。实验结果表明,所提算法能在较少时间花费的基础上保证服务选择的质量。     

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。     

基于服务簇和QoS的Web服务组合方法

针对海量的语义Web 服务组合中如何提高搜索速度和获得最优组合的问题,提出了一种基于服务簇和服务质量(QoS)的快速组合方法。利用预先建立的服务簇进行服务搜索,可以有效缩小搜索空间,降低语义比较的复杂度,快速得到候选服务集合。组合过程中基于服务的最优组合QoS值动态确定阈值进行服务过滤,可以获得多个最优组合。同时采用高效的冗余处理方法保证组合中冗余服务最少,并采用服务簇内部过滤的方法限制候选服务数量,解决了因组合过多造成的运行超时问题。基于海量服务库进行实验,结果表明,服务搜索效率比普通搜索方法可提高几十倍,服务过滤和冗余处理效果明显,可快速获得多个QoS最优的无冗余组合,并且在百万级服务库进行大层次深度的组合时仍可保证良好的运行性能。     

自组织覆盖网络QoS组播动态路由优化研究

针对覆盖组播节点的动态特性,研究自组织覆盖网络带度和延时约束的组播动态路由问题,提出了动态覆盖组播路由算法AHMQ。组播树由目的节点驱动动态渐近形成,动态路由优化在通信过程中进行。协议是软状态的,仅要求节点维护局部状态信息,同时利用覆盖网络技术和无线媒质的广播能力,降低了网络负载,提高了重构能力。对算法进行了分析研究,通过实验验证了该算法具有较好的性能。     

Improving the QoS for information discovery in autonomic wireless sensor networks

Wireless sensor networks (WSN) are attractive for information gathering in large-scale data rich environments. In order to fully exploit the data gathering and dissemination capabilities of these networks, energy-efficient and scalable solutions for data storage and information discovery are essential. Traditionally, the communication pattern in WSNs has been assumed to be many-to-one; i.e., numerous sensors gather information which is routed to a central point commonly referred to as the sink. However, many emerging applications for WSNs require dissemination of information to interested clients within the network requiring support for differing traffic patterns. Further, in-network query processing capabilities are required for autonomic information discovery.In this paper, we formulate the information discovery problem as a load-balancing problem, with the combined aim being to maximize network lifetime and minimize query processing delay resulting in quality of service (QoS) improvements. We propose novel methods for data dissemination, information discovery and data aggregation that are designed to provide significant QoS benefits. We make use of affinity propagation to group “similar” sensors and have developed efficient mechanisms that can resolve both ALL-type and ANY-type queries in-network with improved energy-efficiency and query resolution time.Simulation and Analytical results prove the proposed method(s) of information discovery offer significant QoS benefits for ALL-type and ANY-type queries in comparison to previous approaches.