[发明专利]基于服务邻域的WebService服务质量预测方法

摘要

本发明涉及web服务质量预测领域，公开了一种基于服务邻域的Web Service服务质量预测方法，其特征在于，包括以下的具体步骤相似度计算步骤、邻居选择步骤、模型建立步骤、模型求解步骤以及预测步骤，通过建立一个基于邻居用户的特征向量学习得到的预测模型，并通过梯度迭代下降法求解该预测模型，并最终得到对目标用户的网络服务质量的预测值，同时公开了一种应用上述Web Service服务质量预测方法的装置。本发明的优点在于，准确度高，通过分离目标服务的特征向量以及邻居服务的特征向量解决了冷启动过程中的网络服务质量的预测问题，具有较好的应用价值。

主权项

一种基于服务邻域的Web Service服务质量预测方法，其特征在于，包括以下的具体步骤：相似度计算步骤：根据服务的历史调用记录计算任意两个服务j、l′之间的相似度simjl，其中服务j为需要预测服务质量的目标服务，服务l′为服务j之外的其他服务；邻居选择步骤：根据相似度筛选任一服务j的邻域TopK(j)，将与服务j运行于相同计算平台的除服务j之外的其他服务记为集合E(j)，所述邻域TopK(j)包括与服务j最相似的一个或者多个服务l；权重计算步骤：分别计算邻域TopK(j)中所有服务l的权重wjl；模型建立步骤：在矩阵分解模型的基础上建立用于预测Web Service服务质量的预测模型；模型求解步骤：通过梯度下降法求解预测模型，得到待求解的用户特征矩阵与服务特征矩阵；预测步骤：通过用户特征矩阵与服务特征矩阵的矩阵乘法得到最终的预测值；其中，设共同调用过服务j与服务l′的用户集合为U，则服务j与服务l′之间的相似度rij为用户i对服务j的调用记录，ril'为用户i对服务l′的调用记录，依次为服务j、l′被调用后返回的服务质量的平均值；所述权重计算步骤为，分别计算邻域TopK(j)中所有服务l的权重所述模型建立步骤为，将用户‑服务调用矩阵Q分解为两个低维矩阵，即其中，U∈Rd×m表示用户隐因子矩阵，S∈Rd×n表示服务隐因子矩阵；建立所述预测模型的目标函数:L(U,S)=12Σi=1mΣj=1nIij(qij-(αUiTSj+(1-α)Σl=1KwjlUiTSl))2+λU2||U||F2+λS2||S||F2+λE2Σj=1n||Sj-1|E(j)|Σe∈(j)Se||F2]]>其中，Iij等于1表示用户i调用过服务j，Iij等于0则表明用户i与服务j之间没有发生过调用，qij表示用户i调用服务j的服务质量预测值，Ui为指示函数，表示矩阵U的第i列，Si表示矩阵S的第j列，α为预设的调节因子,K表示与服务j相对应的邻域TopK(j)中的服务l的数量，λU、λS、λE分别取极小的正常数，Se表示服务e在矩阵S中所对应的第e列；所述模型求解步骤为，用以下的梯度下降迭代公式对目标函数L(U,S)进行迭代求解：得到待求解的用户特征矩阵与服务特征矩阵，其中，β为预设常数，表示梯度下降迭代过程中的学习率；所述预测步骤为，通过用户特征矩阵与服务特征矩阵的矩阵乘法得到用户i调用服务j的服务质量预测值