移动互联网环境下Web服务的服务质量QoS预测方法
【技术领域】
[0001] 本发明涉及一种移动互联网环境下Web服务的服务质量QoS(Quality of Service)预测方法；属于计算机应用的技术领域。
【背景技术】
[0002] 由于移动网络的迅速发展，海量的各种各样Web服务就开始陆续不断地相继出 现，因此，在选择Web服务时，用户需要面对越来越多的功能相同、但性能差异不同的候选 Web服务。而且，用户不可能对每个Web服务进行逐一的试用，以选择最佳Web服务。这就 需要综合考虑各种候选的Web服务在各个服务质量QoS属性上的表现。Web服务的QoS具 体性能参数包括：可用性、响应时间、带宽和吞吐率等的一组QoS属性，其中的每个QoS属性 都用于表征Web服务在某一方面的质量信息。然而，任何用户的历史访问所产生的各种QoS 数据并不一定涵盖所有的候选Web服务，所以面对缺失的QoS数据就需要采用一种方法作 出QoS预测，并依据预测结果选择相应的Web服务。可见，准确地预测QoS性能参数是在进 行后续的Web服务推荐的前提和关键，所以对于此问题的研究一直是国内外相关学者研究 的重点。
[0003] 国外的现有技术情况是：德国汉诺威大学的Balke和Wagner提出了将用户使用模 式、需求以及用户偏好综合在一起的Web服务QoS查询方案。Balke还进一步提出了基于用 户偏好的Web服务QoS的协同发现机制。
[0004] 阿联酋扎耶德大学的Maamar等人提出了关于Web Service交互的模型，除了用户 偏好以外，这项工作的特点是突出了 Web Service交互的资源。该方法的重点在于提供一 个机制，以形式化服务消费者的偏好、历史、情景和服务提供商的资源。
[0005] 荷兰莱顿大学的Kokash等人提出了一种基于用户以往经验的Web服务发现方法。 这个方法将Web服务和消费者之间的交互形式化解为隐式文化，以此向新注册的Web服务 消费者推荐提供很好的Web服务。
[0006] 国内的情况是：北京大学的邵凌霜等人提出的基于欧几里得距离的Web服务预测 方法，将各项QoS数据转化为距离向量，进而计算用户之间的相似程度，从而实现缺失QoS 数据的预测。
[0007] 香港中文大学的郑子斌等人提出的WSRec方法，是在协同过滤的基础上进行深度 的优化，通过对各项QoS数据的权值和参数的分析，以及对用户历史QoS数据的计算，排除 了用户个体因素造成的相似度计算的误差，从而实现相似用户的准确定位，并最终实现准 确的QoS预测。
[0008] 综上所述，目前已有的QoS预测方法大都存在以下缺点：
[0009] 目前现有技术的各种QoS预测方法的数据处理和用户相似度的求解都是基于如 传统互联网的这种基本能够实现稳定传输的网络环境基础上进行的，且绝大部分用于分析 的QoS数据也只是随机选择的单独某一次采集的QoS原始数据。相比传统的互联网，移动 互联网只是在近几年才进入广泛使用，其出现的时间较短，并且在传输上又有它先天的特 点和缺陷：如通过无线信号进行信息传输时，会频繁地发生延迟、丢包等情况，这些传输情 况的频频发生，造成QoS数据的不确定性变化，如响应时间变大、吞吐量变小等等。即使是 在网络状态较好的情况下，受无线传输过程中的各种客观因素（如用户的位置、周围环境、 无线传输设备的负载等）影响，这种情况也会经常发生。由此，造成众多Web服务的QoS参 数的数值显现波动性的变化，即存在异常值和正常值。因此，如果将上述这些现有技术的预 测方法直接应用到移动互联网环境下的Web服务的QoS预测上，就会出现较大的预测误差。
[0010] 造成Q0S预测误差的原因主要有以下两点：
[0011] (1)由于波动性的影响，预测时使用的数据集中的QoS数据不一定能真实地反映 该节点正常情况下的QoS情况，即QoS数据不可靠。因此这种不可靠的QoS数据，可能会造 成相似度计算的误差，致使错误的将非相似用户当作相似用户处理。
[0012] (2)同样因为波动性造成的QoS数据不可靠，即使选择了正确的相似用户，在QoS 数据预测值的确定上，也会受到波动性的影响。
[0013] 因此，如何改进上述造成Web服务的QoS数值预测误差的两个问题，就成为业内科 技人员关注的新课题，并对其进行了大量的探索与研究。
【发明内容】
[0014] 有鉴于此，本发明的目的是提供一种在移动互联网环境下Web服务的服务质量 QoS(Quality of Service)预测方法，本发明方法能够在QoS参数的数值波动性较强的移动 互联网环境下准确预测QoS数值，该方法是先利用简单易行的方式对采集的QoS原始数据 进行预处理，以便很好地减小移动互联网环境下获取的QoS数据的波动性，进而通过计算 找出目标用户的相似用户组，确定其QoS正常值区间，以规避和删除QoS数据中的异常值， 从而获得较为准确的QoS预测值,作为合理选择Web服务的关键参考因素，为Web业务的推 广应用做出贡献。
[0015] 为了达到上述发明目的，本发明提供了一种在移动互联网环境下Web服务的服务 质量QoS(Quality of Service)的预测方法，其特征在于：首先采集移动互联网环境下某个 用户重复多次访问某个Web服务的QoS原始数据，利用对数处理的方式对该QoS原始数据 进行预处理；然后通过改进的基于用户的协同过滤方法，找出目标用户的相似用户组，进而 根据QoS属性的特点确定正常值区间，最终计算得到一个可信的QoS预测值；所述方法包括 下列操作步骤：
[0016] 步骤1，对采集来自现实世界中的QoS原始数据执行预处理：因移动互联网的数据 在无线传输过程中有多个不确定干扰因素，造成访问Web服务时的QoS原始数据呈现不同 程度的波动性变化，尤其是响应时间的数值波动性更明显；故先获取每位用户对其访问过 的每个Web服务的多次QoS原始数据，再对这些QoS原始数据进行预处理：利用对数计算缩 小波动性造成的QoS数据差值，得到后续计算所用的QoS数据；
[0017] 步骤2,计算用户间的相似度：采用基于用户的协同过滤方法计算两位用户在 其共同访问过的每个Web服务上得到的多次QoS数据之间的皮尔逊Pearson相关系数 PCC(Pearson Correlation Coefficient)，再将该两位用户在其所有共同访问过的Web服 务上计算得到的Pearson相关系数转换为一个相似度数值，用于表示该两个用户间的用户 相似度；然后，采用上述方式求得所有用户彼此之间的相似度；
[0018] 步骤3,确定相似用户组及其QoS数据的正常值区间，规避异常值：先根据步骤2 的计算结果确定相似用户组，再根据QoS属性特点选择QoS数据正常值的变化区间，用于屏 蔽异常值，从而确定相似用户组中每个相似用户的QoS数据的正常值区间；
[0019] 步骤4,求解QoS预测值：对确定的多个相似用户及其QoS数据进行加权处理，并 通过正常值区间屏蔽异常值后，得到最终的QoS预测值。
[0020] 本发明移动互联网环境下Web服务的QoS预测方法的关键创新技术是：采用了两 步式对异常值进行处理：第一步，用对数计算对QoS原始数据进行预处理，然后用改进后的 PCC计算用户间相似度，这样既降低了异常值对相似度计算时的影响，又综合考虑了波动性 所体现的用户个性特征。第二步，通过选取正常值区间进行数据筛选的方式，删除QoS波动 性所产生的异常值，从而彻底消除异常值对预测值计算的影响，实现准确的QoS预测。
[0021] 此外，本发明方法的创新技术还包括下述三点：
[0022] (A)通过简单的对数计