《情境感知的個性化Web服務質量預測技術研究》是依託中南大學，由鄺礫擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：情境感知的個性化Web服務質量預測技術研究
- 項目類別：青年科學基金項目
- 項目負責人：鄺礫
- 依託單位：中南大學
項目摘要,結題摘要,
項目摘要
隨著Web 服務相關標準的持續完善以及支撐Web 服務開發的雲計算基礎服務平台的不斷成熟，越來越多的企業和組織加入到軟體服務化的行列中來，這也使得網路上存在很多功能相似或相同的服務。如何幫助消費者根據服務質量的優劣在這些服務中進行合理的選擇，成為研究界廣泛關注的問題之一。針對現有的基於協同過濾的服務質量預測方法中存在的準確度不高、效率較低、不能充分滿足個性化需求定製等問題，本項目擬研究包含情境屬性和QoS屬性的Web服務調用記錄模型；基於服務調用記錄挖掘屬性間依賴關係，構建服務QoS-情境屬性關聯模型；在模型基礎上設計以情境相似的服務調用實例為推薦參考、滿足用戶個性化QoS需求的服務質量預測算法；通過理論分析和仿真實驗測試上述模型和算法的性能和可靠性。
結題摘要
Web服務質量預測在基於QoS的服務選擇、服務推薦、服務組合最佳化等研究問題中具有重要的理論意義和現實的套用價值，本項目從模型構建、Web服務實例聚類、以及個性化的服務質量預測算法等方面展開研究，取得的成果主要包括以下幾方面：（1）針對Web服務調用記錄模型的構建問題，將其分解為服務質量模型和情境上下文模型，已初步構建情境本體和QoS本體；針對服務調用源數據的預處理方法，設計了一種處理混合值向量的相似性函式，以對服務QoS數據和服務調用情境特徵向量進行了歸一化處理；（2）針對服務QoS—情境屬性關聯模型的構建問題，面向多媒體服務套用領域，在情境本體定義的基礎上，基於對服務實例進行關聯規則挖掘，得到了多媒體服務QoS屬性與上下文屬性之間的依賴關係；（3）針對基於情境相似的服務調用實例聚類機制的研究，我們對Meanshift聚類算法進行了分散式改進，分別在海量商品的全量識別和基於熱門節點聚類的用戶興趣相似度識別中進行了套用和測試，通過理論分析和實驗證明了並行化的聚類算法在該套用中對於提高算法效率和精確度有明顯的正作用。（4）針對基於QoS預測的服務推薦問題，我們首先提出了一種基於數理統計和機率論的值預測方法，可套用在依賴於連續累積的情境屬性的QoS值預測中；然後針對移動套用這類服務的智慧型推薦問題，提出了一種考慮項目語義相似以緩解用戶-項目評分矩陣稀疏的問題，同時充分利用用戶的信任關係，將項目相似特徵和用戶信任關係融合到評分預測公式中，有效地提高了預測的準確度；進一步將服務的推薦和分享機制引入到搜尋引擎中，提出了一種新型的搜尋排序模型。 本項目相關工作取得了較好的研究成果，對情境感知的個性化Web 服務質量預測技術的發展有較好的理論參考價值和現實意義。三年來，項目組錄用或發表論文11篇，其中SCI檢索4篇，EI檢索6篇。申請發明專利2項，授權發明專利1項。
