《基於時空向量回歸的服務質量預測方法研究》是依託浙江大學，由王新宇擔任項目負責人的面上項目。
基本介紹
- 中文名：基於時空向量回歸的服務質量預測方法研究
- 依託單位：浙江大學
- 項目負責人：王新宇
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
服務質量預測是學術界和工業界廣泛關注的重要問題。準確連續的服務質量預測對服務推薦、服務選擇以及服務組合等子領域具有重要意義。在現實的網路環境下，服務質量具有明顯的時空動態變化特徵，為服務質量預測帶來極大困難，而現有預測方法無法針對這種變化做出準確預測；此外，現有預測模型難以隨歷史數據集的累積更新進行自適應的最佳化調整，影響了預測精度和預測連續性。針對上述問題，本項目提出基於時空向量回歸的服務質量預測方法：（1）根據用戶對服務訪問歷史數據，提取用戶和服務的位置特徵數據，研究空間信息輔助下的服務質量序列相關性分析方法；（2）基於相似序列數據，研究多元回歸模型構建方法，以提高時空動態環境下的服務質量預測精度；（3）在此基礎上，研究線上相似序列選擇方法以及基於增量模型的預測方法，實現預測模型隨數據集變動的自適應更新，提高預測效率，保證服務質量預測的連續性。上述方法可實質性地推動服務質量預測的工業套用進程。
結題摘要
本項目將圍繞軟體服務質量的建模、預測、分析與保證展開，具體分為以下三個方向：（1）基於時空向量的服務質量預測：首先通過用戶的位值信息更好的對用戶特徵進行提取，此外，採用稀疏表示對其變化進行建模，最後提出一種基於時間感知稀疏容忍的服務預測方法，以實現時空質量的預測。（2）基於軟體倉庫挖掘的服務質量建模與預測：本項目對無監督的即時缺陷模型進行了深入研究，提出了自承認技術債（SATD），實現了從源碼級別對項目中的技術債進行識別；此外還提出了利用協作過濾技術並建立了基於文本挖掘技術推薦的Android套用許可權設定機制。（3）基於模型檢測的服務質量分析與保證：為有效地分析服務質量，本項目採用了基於服務程式行為機率抽象的最優動態符號執行策略以及基於時間自動機的實時系統服務質量分析方法，旨在驗證服務軟體是否按照需求提供，為服務質量分析和預測提供了嚴謹的理論保證。
