《不確定數據環境中的服務發現與組合研究》是依託浙江大學，由吳健擔任項目負責人的面上項目。
基本介紹
- 中文名：不確定數據環境中的服務發現與組合研究
- 依託單位：浙江大學
- 項目負責人：吳健
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
隨著移動網際網路、物聯網的迅猛發展，將湧現出海量的Web服務，不僅給用戶帶來更多的服務選擇，同時也因其動態和不穩定性帶來了一個不確定的數據環境。因此，我們認為僅僅從靜態、穩定的傳統角度研究服務發現組合是不夠的，需要對服務屬性進行不確定數據描述擴展，在不確定數據環境中對服務進行索引、分類、聚類、排序，並研究新的服務發現與組合方法。本項目研究內容如下：1、通過研究適合當前服務描述語言的不確定數據環境中的Web服務模型，為研究新的服務發現和組合方法提供模型和理論基礎；2、引入軌跡束索引、移動對象微聚類等技術，提出不確定數據環境中的Web服務索引、分類、聚類、排序高效構建及維護方法；3、基於上述基礎，定義一組服務發現謂詞，研究在不確定數據環境中的服務發現方法；4、使用基於機率的Skyline、隱馬爾科夫、層次貝葉斯等建立不確定數據環境下的服務組合模型，並用信息熵定義服務組合模型的複雜度來衡量該模型。
結題摘要
隨著移動網際網路、物聯網的迅猛發展,將湧現出海量的Web服務,不僅給用戶帶來更多的服務選擇,同時也因其動態和不穩定性帶來了一個不確定的數據環境。因此,我們認為僅僅從靜態、穩定的傳統角度研究服務發現組合是不夠的,需要對服務屬性進行不確定數據描述擴展,在不確定數據環境中研究新的服務發現與組合方法。本項目研究內容如下: 1、通過研究適合當前服務描述語言的不確定數據環境中的Web服務模型,為研究新的服務發現和組合方法提供模型和理論基礎;2、引入軌跡束索引、移動對象微聚類等技術,提出不確定數據環境中的Web服務索引、分類、聚類、排序高效構建及維護方法;3、基於上述基礎,研究在不確定數據環境中的服務發現方法;4、使用Skyline、MapReduce等建立基於QoS預測的不確定數據環境下的服務組合模型。本項目在不確定數據環境中的QoS預測、服務選擇、服務發現及服務組合四個方面均取得顯著成果，發表國內外期刊會議論文共30篇。在QoS預測方面考慮用戶反饋信息，通過疊代預測QoS提高其準確性，同時實現基於主題模型的QoS預測；通過Skyline和MapReduce的結合實現面向大規模服務的動態服務選擇；在服務發現部分引入社交信息，另外還提出基於聯合聚類的服務發現機制；利用服務組合的歷史數據提高為組合服務進行服務推薦的效率。
