《時空上下文感知的雲服務質量預測和推薦的研究》是依託江蘇師範大學，由謝春麗擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：時空上下文感知的雲服務質量預測和推薦的研究
- 項目類別：青年科學基金項目
- 項目負責人：謝春麗
- 依託單位：江蘇師範大學
項目摘要,結題摘要,
項目摘要
為解決傳統二維數據下服務QoS預測精度不足的問題，本項目給出了基於三維張量分解的解決方案。首先從服務的質量感知數據、用戶評價數據以及用戶反饋數據中抽取出QoS感知數據的時間和空間上下文信息，構成用戶-服務-時間（空間）形式的三維QoS數據；其次，由於一般用戶僅對少數雲服務有過使用記錄，導致得到的時空上下文質量感知數據中有大量的未知值，本項目將雲服務的質量預測問題轉化為張量分解問題並求解。再次，為解決QoS的稀疏性問題，提出基於時間和空間相似的張量分解模型。最後，構建本項目的實驗平台，將時間和空間上下文預測模型進行融合，構建多元QoS預測模型。本項目為用戶選擇滿足QoS要求的雲服務提供了基礎，並為服務提供者提供了將服務推薦給潛在客戶的功能。
結題摘要
近年來，隨著雲計算的興起，利用網路將成千上萬台電腦和伺服器等各種資源連線在一起，為用戶提供各種計算服務，用戶只需要通過一個簡單的終端就可以享受雲服務帶來的強大的處理能力，在所有計算資源都以服務的形式對外開放的時代，面對眾多的服務，尤其是網路上有大量功能相同或相似的服務時所有計算資源，面對網路上眾多的功能相同或相似的服務，快速、準確找到滿足不同需求的服務的研究變得很重要。本項目提出時空上下文感知的雲服務質量預測和推薦這個研究課題，主要研究內容包括：(1)針對用戶在不同時間段對服務的質量感知不同，將用戶和服務的時間特徵，引入到服務質量預測模型中，設計時間感知的服務質量預測算法；(2)針對用戶在不同地點對服務的質量感知不同，將用戶和服務的空間特徵，引入到服務質量預測模型中，設計空間感知的服務質量預測算法；(3)針對歷史數據的稀疏性問題，將多維度上下文進行融合，通過採集現實世界中 Web 服務的歷史,並進行實驗驗證。項目的創新性及意義體現在：(1)項目充分利用用戶和服務的上下文環境信息，通過引入用戶和服務的時空特徵來提高服務質量預測精度；(2)通過分析收集的數據，設計用戶-服務-時間（空間）形式的三維QoS數據，利用三維分解理論為用戶提供準確的QoS預測。(3) 利用空間-空間之間的相似性緩解數據的稀疏性問題，用戶和服務數量往往都是非常龐大的，而用戶行為數據往往都是稀疏的，也就是說用戶-服務-上下文矩陣中有大量元素是缺失的，利用用戶和服務的空間關係不僅可以緩解 QoS 數據的稀疏性問題，同時也可以解決新服務或新用戶的冷啟動問題。項目已發表期刊論文9篇，國際會議文章2 篇, 其中SCI檢索論文5篇，EI檢索論文3篇。另有1篇待排版，2篇審稿中。
