信任感知的Web服务质量预测系统及方法技术方案

本发明专利技术所设计的信任感知的Web服务质量预测系统，它的输入数据处理模块的输出端连接QoS数据库，QoS数据库的第一数据输出端连接可信邻居挖掘模块，QoS数据库的第二数据输出端连接用户信誉度计算模块，QoS数据库的第三数据输出端连接相似服务挖掘模块，用户信誉度计算模块的第一数据输出端连接可信邻居挖掘模块，用户信誉度计算模块的第二数据输出端连接相似服务挖掘模块，可信邻居挖掘模块的数据输出端连接QoS预测模块，相似服务挖掘模块的数据输出端连接QoS预测模块。本发明专利技术有效地保证了Web服务QoS预测过程中采用的QoS数据的可信性。

【技术实现步骤摘要】

本专利技术涉及面向服务计算和云计算
，具体地指一种信任感知的Web服务质量预测系统及方法。技术背景Web服务是由通用资源标识符(URI)标记的一种软件系统，其公共接口和绑定方法由可扩展标记语言(XML，Extensible Markup Language)进行定义和描述，并且其它软件系统可根据Web服务的描述对其进行发现以及通过Internet协议与其交换基于XML的消息。简言之，Web服务是一种自描述、自包含、平台独立和松散耦合的分布式应用，由于建立一系列基于XML的开放标准和协议基础上，使得Web服务可在网络中被描述、发布、发现、绑定和调用等。Web服务技术作为一种新型的分布式计算模型，近年来被广泛用于跨地区、跨组织和跨系统的异构信息系统综合集成，以及基于互联网的面向服务应用系统的构建。随着面向服务计算技术、云计算和大数据等技术的发展，网络中出现大量功能相似的Web服务，服务质量(QoS，Quality of Service)成为用户在消费Web服务时应考虑的重要因素，也是服务供应商用于推销其Web服务的主要卖点。QoS是一组用于描述Web服务非功能性特征的属性，包括响应时间、吞吐量、可靠性和可用性等。在实际应用中，由于受不同用户的网络状况、地理位置等客观因素影响，部分依赖于用户的QoS属性(如响应时间、吞吐量等)会表现出较强的用户差异性，因此为了辅助用户选取性能优异的Web服务来构建高质量应用，个性化的Web服务QoS预测显得尤为重要。近年来，由于协同过滤技术在亚马逊、YouTube和Netfix等商业推荐系统取得了较大成功，许多学者提出将协同过滤技术应用于Web服务的QoS个性化预测。协同过滤技术采用相似用户或相似服务的历史QoS数据来为当前用户预测目标服务的未知QoS。虽然目前许多基于协同过滤的QoS预测方法一定程度上提升了预测准确度，但普遍忽略了QoS数据的可信性问题。现有方法通常假设系统中的用户都是可信的，并且会提交可靠的QoS反馈数据。然而不可信用户在大多数推荐系统中普遍存在，这些用户可能会为了谋取不法利益而故意抬高合作方的服务或故意贬低竞争方的服务，因此历史QoS数据中混杂了这些不可信用户提交的虚假数据。在不可信数据条件下，现有的QoS预测方法普遍表现出QoS预测准确度较低的问题，无法为用户提供高质量的Web服务推荐。
技术实现思路
本专利技术的目的就是要提供一种信任感知的Web服务质量预测系统及方法，该系统和方法能有效提升在不可信QoS数据条件下QoS预测的准确度以及实现高质量的Web服务推荐。为实现此目的，本专利技术所设计的信任感知的Web服务质量预测系统，其特征在于：它包括输入数据处理模块、QoS数据库、可信邻居挖掘模块、用户信誉度计算模块、相似服务挖掘模块和QoS预测模块，其中，所述输入数据处理模块的数据输入端用于接收用户反馈的QoS信息，输入数据处理模块的数据输出端连接QoS数据库的数据输入端，QoS数据库的第一数据输出端连接可信邻居挖掘模块的数据输入端，QoS数据库的第二数据输出端连接用户信誉度计算模块的输入端，QoS数据库的第三数据输出端连接相似服务挖掘模块的输入端，用户信誉度计算模块的第一数据输出端连接可信邻居挖掘模块的数据输入端，用户信誉度计算模块的第二数据输出端连接相似服务挖掘模块的数据输入端，可信邻居挖掘模块的数据输出端连接QoS预测模块的数据输入端，相似服务挖掘模块的数据输出端连接QoS预测模块的数据输入端，QoS预测模块的数据输出端用于向用户推荐Web服务。一种利用上述系统进行信任感知的Web服务质量预测的方法，其特征在于它包括如下步骤：步骤1：各个用户将QoS反馈数据传输给数据处理模块，数据处理模块对QoS反馈数据进行规范化处理得到统一格式的QoS数据，并将统一格式的QoS数据传输给QoS数据库，QoS数据库将统一格式的QoS数据传输给用户信誉度计算模块，用户信誉度计算模块采用K-means聚类算法对不同用户提交的QoS反馈数据进行聚类，并识别出每个Web服务上的可信用户簇；进而，根据用户在每个Web服务上的QoS反馈与该服务上的可信用户簇的偏离程度，对用户的QoS反馈数据进行分类；最后，根据用户的反馈分类信息，采用Beta概率密度函数动态评估用户的信誉度；步骤2：QoS数据库将统一格式的QoS数据传输给可信邻居挖掘模块，用户信誉度计算模块将计算的用户信誉度传输给可信邻居挖掘模块，可信邻居挖掘模块采用皮尔森相关系数计算用户间的相似度，并结合在步骤1中得到的用户信誉度，识别出当前用户的一组可信邻居；然后利用可信邻居的QoS数据为当前用户预测目标服务的未知QoS数据；步骤3：QoS数据库将统一格式的QoS数据传输给相似服务挖掘模块，用户信誉度计算模块将计算的用户信誉度数据传输给相似服务挖掘模块，相似服务挖掘模块将计算的用户信誉度数据与预设的用户信誉度阈值进行比较，对信誉度高于预设的用户信誉度阈值的用户所提交的不同Web服务QoS数据，采用K-means聚类算法进行聚类，然后根据不同Web服务被聚类为同一簇的频度，计算Web服务间的相似度，最后识别出目标服务的一组相似服务，并利用相似服务的QoS数据预测该目标服务的QoS数据；步骤4：可信邻居挖掘模块将为当前用户预测目标服务的QoS数据传输给QoS预测模块，相似服务挖掘模块将预测目标服务的QoS数据传输给QoS预测模块，QoS预测模块利用加权法对步骤2的目标服务的QoS预测值和步骤3的目标服务的QoS预测值进行综合，为当前用户预测目标服务未知QoS的最终值，并将QoS预测值最优的单个服务或一组Web服务推荐给当前用户。本专利技术采用无监督K-means聚类算法和Beta概率分布来动态计算反馈用户的信誉度，有效地保证了Web服务QoS预测过程中采用的QoS数据的可信性，该方法可有效提升QoS预测方法的鲁棒性。本专利技术充分利用了可信邻居和相似服务的QoS数据，保证了QoS预测方法的准确度和可靠性，将大大提升不可信数据条件下的Web服务推荐的质量。附图说明图1为本专利技术工作时的系统框架结构示意图。图中，1—输入数据处理模块、2—QoS数据库、3—可信邻居挖掘模块、4—用户信誉度计算模块、5—相似服务挖掘模块、6—QOS预测模块。具体实施方式以下结合附图和具体实施例对本专利技术作进一步的详细说明：一种信任感知的Web服务质量预测系统，如图1所示，它包括输入数据处理模块1、QoS数据库2、可信邻居挖掘模块3、用户信誉度计算模块4、相似服务挖掘模块5和QoS预测模块6，其中，所述输入数据处理模块1的数据输入端用于接收用户反馈的QoS信息，输入数据处理模块1的数据输出端连接QoS数据库2的数据输入端，QoS数据库2的第一数据输出端连接可信邻居挖掘模块3的数据输入端，QoS数据库2的第二数据输出端连接用户信誉度计算模块4的输入端，QoS数据库2的第三数据输出端连接相似服务挖掘模块5的输入端，用户信誉度计算模块4的第一数据输出端连接可信邻居挖掘模块3的数据输入端，用户信誉度计算模块4的第二数据输出端连接相似服务挖掘模块5的数据输入端，可信邻居挖掘模块3的数据输出端连接QoS预测模块6的数据输入端，相似服务挖掘模块5的数据输出端连接Q本文档来自技高网...

【技术保护点】
一种信任感知的Web服务质量预测系统，其特征在于：它包括输入数据处理模块(1)、QoS数据库(2)、可信邻居挖掘模块(3)、用户信誉度计算模块(4)、相似服务挖掘模块(5)和QoS预测模块(6)，其中，所述输入数据处理模块(1)的数据输入端用于接收用户反馈的QoS信息，输入数据处理模块(1)的数据输出端连接QoS数据库(2)的数据输入端，QoS数据库(2)的第一数据输出端连接可信邻居挖掘模块(3)的数据输入端，QoS数据库(2)的第二数据输出端连接用户信誉度计算模块(4)的输入端，QoS数据库(2)的第三数据输出端连接相似服务挖掘模块(5)的输入端，用户信誉度计算模块(4)的第一数据输出端连接可信邻居挖掘模块(3)的数据输入端，用户信誉度计算模块(4)的第二数据输出端连接相似服务挖掘模块(5)的数据输入端，可信邻居挖掘模块(3)的数据输出端连接QoS预测模块(6)的数据输入端，相似服务挖掘模块(5)的数据输出端连接QoS预测模块(6)的数据输入端，QoS预测模块(6)的数据输出端用于向用户推荐Web服务。

【技术特征摘要】
1.一种信任感知的Web服务质量预测系统，其特征在于：它包括输入数据处理模块(1)、QoS数据库(2)、可信邻居挖掘模块(3)、用户信誉度计算模块(4)、相似服务挖掘模块(5)和QoS预测模块(6)，其中，所述输入数据处理模块(1)的数据输入端用于接收用户反馈的QoS信息，输入数据处理模块(1)的数据输出端连接QoS数据库(2)的数据输入端，QoS数据库(2)的第一数据输出端连接可信邻居挖掘模块(3)的数据输入端，QoS数据库(2)的第二数据输出端连接用户信誉度计算模块(4)的输入端，QoS数据库(2)的第三数据输出端连接相似服务挖掘模块(5)的输入端，用户信誉度计算模块(4)的第一数据输出端连接可信邻居挖掘模块(3)的数据输入端，用户信誉度计算模块(4)的第二数据输出端连接相似服务挖掘模块(5)的数据输入端，可信邻居挖掘模块(3)的数据输出端连接QoS预测模块(6)的数据输入端，相似服务挖掘模块(5)的数据输出端连接QoS预测模块(6)的数据输入端，QoS预测模块(6)的数据输出端用于向用户推荐Web服务。2.一种利用权利要求1所述系统进行信任感知的Web服务质量预测的方法，其特征在于它包括如下步骤：步骤1：各个用户将QoS反馈数据传输给数据处理模块(1)，数据处理模块(1)对QoS反馈数据进行规范化处理得到统一格式的QoS数据，并将统一格式的QoS数据传输给QOS数据库(2)，QoS数据库(2)将统一格式的QoS数据传输给用户信誉度计算模块(4)，用户信誉度计算模块(4)采用K-means聚类算法对不同用户提交的QoS反馈数据进行聚类，并识别出每个Web服务上的可信用户簇；进而，根据用户在每个Web服务上的QoS反馈与该服务上的可信用户簇的偏离程度，对用户的QoS反馈数据进行分类；最后，根据用户的反馈分类信息，采用Beta概率密度函数动态评估用户的信誉度；步骤2：QOS数据库(2)将统一格式的QoS数据传输给可信邻居挖掘模块(3)，用户信誉度计算模块(4)将计算的用户信誉度传输给可信邻居挖掘模块(3)，可信邻居挖掘模块(3)采用皮尔森相关系数计算用户间的相似度，并结合在步骤1中得到的用户信誉度，识别出当前用户的一组可信邻居；然后利用可信邻居的QoS数据为当前用户预测目标服务的未知QoS数据；步骤3：QoS数据库(2)将统一格式的QoS数据传输给相似服务挖掘模块(5)，用户信誉度计算模块(4)将计算的用户信誉度数据传输给相似服务挖掘模块(5)，相似服务挖掘模块(5)将计算的用户信誉度数据与预设的用户信誉度阈值进行比较，对信誉度高于预设的用户信誉度阈值的用户所提交的不同Web服务QoS数据，采用K-means聚类算法进行聚类，然后根据不同Web服务被聚类为同一簇的频度，计算Web服务间的相似度，最后识别出目标服务的一组相似服务，并利用相似服务的QoS数据预测该目标服务的QoS数据；步骤4：可信邻居挖掘模块(3)将为当前用户预测目标服务的QoS数据传输给QOS预...

【专利技术属性】
技术研发人员：苏凯，肖斌，张怀强，刘宝平，林名驰，苏晓光，吴琴，刘少华，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：湖北;42