段秋实 胡志刚

(中南大学软件学院 湖南 长沙 410075)

基于云模型的Web服务QoS预测

段秋实 胡志刚

(中南大学软件学院 湖南 长沙 410075)

随着近年来Web服务数量的快速增长，用户-服务QoS(Quality of Service)记录矩阵变得日益稀疏。为了解决传统协同过滤算法在稀疏数据集上预测精确性不高的问题，利用欧几里得距离对数值敏感的特点，将云模型特征向量的欧几里得距离转换成云模型的相似度。对基于云模型的协同过滤算法改进，并将改进算法用于Web服务QoS的动态预测。考虑用户调用同一服务提供商的不同服务有相似体验，再结合云模型的相似度对QoS记录矩阵进行填充，在预测用户调用某服务的QoS时使用填充后的QoS记录矩阵进行计算，从而有利于解决稀疏矩阵下预测准确度难以提高的问题。实验表明，使用该算法的预测结果相较于传统的协同过滤算法有更低的平均绝对误差(MAE)，能获得更高的推荐质量。

Web服务 QoS预测 协同过滤 云模型 相似度计算

0 引 言

因特网上Web服务数量的快速增加，导致众多具有相似功能的Web服务的出现，传统的Web服务发现只能为用户发现满足需求的服务，而不能在相似功能的服务中为用户提供性能最优的服务。为在相似的服务中找到最优的服务，Web服务的服务质量(QoS)属性成为研究者关注的重点。基于协同过滤的Web服务推荐技术的普遍思想是通过用户的QoS记录找到相似用户并根据相似用户的QoS记录预测用户的QoS。

Shao等提出一种基于协同过滤法的QoS预测……