基于协同过滤的Web服务质量预测方法
【技术领域】
[0001] 本申请设及Web服务技术领域，尤其设及一种基于协同过滤的Web服务质量预测 方法。
【背景技术】
[0002] 随着互联网技术的发展，Web服务的便捷性导致用户对它的需求逐渐增大，如 今大量的Web服务充斥互联网，使用户的选择在增加的同时，对服务质量（Qualityof Service,Qo巧也提出了更高的要求。面对相同种类和条件下的服务，除了满足功能性需求 之外，用户希望得到质量更高的服务。所W服务器需要根据一些指标来对自己已有的服务 进行衡量，在该些指标的对比之下，根据每一个用户的具体需求对用户进行个性化的服务 推荐，能够缩小用户的选择范围，从而使用户享受到更高效的服务。
[0003] 在服务器端度量的QoS值（例如，价格，流行度等），服务提供商通常会在广告中展 示内容，该些对于不同的用户来说都是一样的，但是在客户端度量的QoS值（例如，响应时 间，吞吐量，服务可用性等）在不同的用户之间会因受到不可预测的网络连接和完全不同 的用户环境的影响而大有不同。为了使不同的用户获得精确的个人用户端Web服务的QoS 值，需要对用户端得到的Web服务进行评估。
[0004] 现有技术对用户端Web服务的QoS的预测采用单一协同过滤的方式进行，在数据 较为稀疏的情形下，会对相似度给予过高的估计，使得QoS的预测值精度不高。
【发明内容】
[0005] 本申请的目的是提供一种基于协同过滤的Web服务质量预测方法，W解决现有的 Web服务质量预测方法预测精度较低的问题。
[0006] 为实现上述目的，第一方面，本申请提供了一种基于协同过滤的Web服务质量预 测方法，所述方法包括：
[0007] 第一用户端向服务端发送Web服务的请求信息；
[0008] 所述服务端根据所述请求信息，获取所述第一用户端的服务质量QoS数据，并获 取第二用户端的QoS数据；所述第一用户端和所述第二用户端为同类用户端；
[0009] 根据所述第一用户端的QoS数据、所述第二用户端的QoS数据，确定所述第一用户 端与所述第二用户端的第一相似度；
[0010] 根据所述第一相似度，获得第一预测值；
[0011] 根据所述第一用户端的QoS数据、所述第二用户端的QoS数据W及所述第一相似 度，确定所述第一用户端与所述第二用户端的第二相似度；
[0012] 根据所述第二相似度，获得第二预测值；
[0013] 根据所述第一预测值与所述第二预测值，确定目标预测值。
[0014] 第二方面，本申请提供了一种基于协同过滤的Web服务质量预测方法，所述方法 包括：
[0015] 用户端向服务端发送Web服务的请求信息；
[0016] 所述服务端根据所述请求信息，获取所述第一Web服务的服务质量QoS数据，并获 取第二Web服务的QoS数据；所述第一Web服务和所述第二Web服务为同类Web服务；
[0017] 根据所述第一Web服务的QoS数据、所述第二Web服务的QoS数据，确定所述第一 Web服务与所述第二Web服务的第一相似度；
[001引根据所述第一相似度，获得第一预测值；
[0019] 根据所述第一Web服务的QoS数据、所述第二Web服务的QoS数据W及所述第一 相似度，确定所述第一Web服务与所述第二Web服务的第二相似度；
[0020] 根据所述第二相似度，获得第二预测值；
[0021] 根据所述第一预测值与所述第二预测值，确定目标预测值。
[0022] 本申请提供的基于协同过滤的Web服务质量预测方法，采用两种协同过滤算法进 行混合，通过自适应调整权值的大小，来提高协同过滤算法的精度，改进了皮尔逊相关系数 可能会在数据稀疏的情况下对相似性给予过高的估计的不足，使得最终的QoS值的精度得 到了提高。
【附图说明】
[0023] 图1为本申请实施例一提供的基于协同过滤的Web服务质量预测方法流程图；
[0024] 图2为本申请实施例二提供的基于协同过滤的Web服务质量预测方法流程图。
【具体实施方式】
[00巧]下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
[0026] 图1为本申请实施例一提供的基于协同过滤的Web服务质量预测方法流程图。如 图1所示，所述方法具体包括：
[0027] 步骤S101，第一用户端向服务端发送Web服务的请求信息；
[0028] 步骤S102,所述服务端根据所述请求信息，获取所述第一用户端的服务质量QoS 数据，并获取第二用户端的QoS数据；所述第一用户端和所述第二用户端为同类用户端；
[0029] 具体地，服务端根据第一用户端发送的Web服务的请求信息，获取第一用户端的 所有Web服务的QoS数据，W及第二用户端的所有Web服务的QoS数据。
[0030] 需要说明的是，第二用户端为与第一用户端的QoS属性类似的客户端，第二用户 端可W为多个。第一用户端的所有Web服务的QoS数据与多个第二用户端的所有Web服务 的QoS数据生成用户-服务矩阵，矩阵中每一行对应一个用户端的多种Web服务的QoS数 据，矩阵的每一列对应多个用户端的同一种Web服务的QoS数据。
[0031] 步骤S103,根据所述第一用户端的QoS数据、所述第二用户端的QoS数据，确定所 述第一用户端与所述第二用户端的第一相似度；
[0032] 具体地，根据公式
，计算得到所 述第一用户端与所述第二用户端的第一相似度，其中，I为用户a和用户U共同调用的服务 集合，r(a,i)为用户a调用的每个服务的QoS值，r(U，i)为用户U调用的每个服务的QoS 值，^为用户3调用的所有服务的恥5值的平均值，；；；为用户11调用的所有服务的恥5值 的平均值。
[003引步骤S104,根据所述第一相似度，获得第一预测值；
[0034] 具体地，选取与所述第一用户端第一相似度值最大的k个相似度值，根据公式
计算得到第一预测值，其中，为用户U调 用服务S的第一预测值，M为用户U调用的所有服务的QoS值的平均值。
[00巧]步骤S105,根据所述第一用户端的QoS数据、所述第二用户端的QoS数据W及所述 第一相似度，确定所述第一用户端与所述第二用户端的第二相似度；
[0036] 具体地，根据公式
计算得到第二相似度，其中， sim(a，u)为用户a和用户U的第一相似度值，|1。|为用户a调用的服务的集合中元素的 个数，Ilul为用户U调用的服务的集合中元素的个数，I= IU为用户a调用的服务的 集合和用户U调用的服务的集合的交集，1Iul为集合I中元素的个数。
[0037] 步骤S106,根据所述第二相似度，获得第二预测值；
[0038] 具体地，选取与所述第一用户端第二相似度值最大的k个相似度值，根据公式
，计算得到第二预测值，其中，为用户U 调用服务S的第二预测值，M为用户U调用的所有服务的QoS值的平均值。
[0039] 步骤S107,根据所述第一预测值与所述第二预测值，确定目标预测值。
[0040] 具体地，根据公式P= + 对所述第一预测值和所述第二预测值 进行加权计算，得到目标预测值，其中，a+0 =1，a,P为正数。
[0041] 本申请实施例一提供的基于协同过滤的Web服务质量预测方法，采用两种协同过 滤算法进行混合，通过自适应调整权值的大小，来提高协同过滤算法的精度，改进了皮尔逊 相关系数可能会在数据稀疏的情况下对相似性给予过高的估计的不足，使得最终的QoS值 的精度得到了提高。
[0042] 图2为本申请实施例二提供的基于协同过滤的Web服务质量预测方法流程图。如 图2所示，所述方法具体包括：
[004引步骤S201，用户端向服务端发送Web服务的请求信息；
[0044] 步骤S202,所述服务端根据所述请求信息，获取所述第一Web服务的服务质量QoS 数据，并获取第二Web服务的QoS数据；所述第一Web服务和所述第二Web服务为同类Web 服务；
[0045] 具体地，服务端根据用户端发送的Web服务的请求信息，获取所有用户端的第一 Web服务的QoS数据，W及第二Web服务的QoS数据。
[0046] 需要说明的是，第一Web服务与第二Web服务的QoS属性类似的Web服务，第二 Web服务可W为多个。所有用户端的第一Web服务QoS数据和多个第二Web服务的QoS数 据生成用户-服务矩阵，矩阵中每一行对应一个用户端的多种Web服务的QoS数据，矩阵的 每一列对应多个用户端的同一种Web服务的QoS数据。
[0047] 步骤S203,根据所述第一Web服务的QoS数据、所述第二Web服务的QoS数据，确 定所述第一Web服务与所述第二Web服务的第一相似度；
[0048] 具体地，根据公式
，计算得到 所述第一Web服务与所述第二Web服务的第一相似度，其中，U为共同调用服务i和服务j的用户集合，Hi,U)为每个用户调用的服务i的QoS值，r(j，u)为每个用户调用的服务j 的QoS值，；^为所有用户调用的服务i的QoS值的平均值，节为所有用户调用的服务j的 QoS值的平均值。
[0049] 步骤S204,根据所述第一相似度，获得第一预测值；
[0050] 具体地，选取与所述第一Web服务第一相似度值最大的k个相似度值，根据公式
.计算得到第一预测值