The invention discloses a service quality prediction method and system based on deep neural network, which relates to the technical field of network service. The method comprises the following steps: inputting the request context variable information and encoding it in the encoding module through the entity expression matrix to obtain the embedded request matrix; compressing the encoded context variable information and extracting the features to obtain the embedded request vector according to the time sequence of the request context variable information; inputting the request context variable information in turn according to the time sequence The embedded request vector is input into the LSTM network module to output the prediction data information of the depth neural network for the next input of the request context variable information; the prediction data information is sensed to obtain the decoded prediction data information, and the decoded prediction data information is restored to the quality of service data and output.
【技术实现步骤摘要】
基于深度神经网络的服务质量预测方法及其系统
本专利技术涉及网络服务
,特别是涉及一种基于深度神经网络的服务质量预测方法及其系统。
技术介绍
互联网中的WebService的数量在过去十年间发生了猛烈的增加,随着公共Web服务数量的增加,SOA(ServiceOrientedArchitacture,面向服务的架构)架构的应用也变得十分广泛。然而,互联网复杂的网络环境使得服务的状态千变万化,因此有效的服务质量预测此时就显得十分重要。传统服务质量预测方法大多基于CF模型(CollaborativeFiltering,协同过滤模型)和MF模型(Matrixfactorization,矩阵分解模型),其能够利用的上下文数据比较有限。同时,这两种方法难以进行简单的扩展以支持多类型QoS(QualityofService,服务质量)数据的预测。其对影响QoS响应序列的隐含变量也缺乏相应的建模手段。
技术实现思路
本专利技术的主要目的在于提供一种基于深度神经网络的服务质量预测方法及其系统,旨在拟合网络中影响QoS数据的不可见因素,使其能够对真实世界的QoS服务质量数据进行预测。为实现上述目的,本专利技术提供一种基于深度神经网络的服务质量预测方法,包括以下步骤:输入请求上下文变量信息,并通过实体表达矩阵在编码模块进行编码,以得到嵌入式请求矩阵;将经过编码的所述上下文变量信息进行压缩并进行特征提取,以得到所述请求上下文变量信息的按照时序的嵌入式请求矢量;根据所述时序依次 ...
【技术保护点】
1.一种基于深度神经网络的服务质量预测方法,其特征在于,包括以下步骤:/n输入请求上下文变量信息,并通过实体表达矩阵在编码模块进行编码,以得到嵌入式请求矩阵;/n将经过编码的所述上下文变量信息进行压缩并进行特征提取,以得到所述请求上下文变量信息的按照时序的嵌入式请求矢量;/n根据所述时序依次输入所述嵌入式请求矢量至LSTM网络模块,以输出所述深度神经网络对下一次输入请求上下文变量信息的预测数据信息;/n对所述预测数据信息进行感知,以得到解码后的所述预测数据信息,将所述解码后的所述预测数据信息还原为服务质量数据并输出。/n
【技术特征摘要】
1.一种基于深度神经网络的服务质量预测方法,其特征在于,包括以下步骤:
输入请求上下文变量信息,并通过实体表达矩阵在编码模块进行编码,以得到嵌入式请求矩阵;
将经过编码的所述上下文变量信息进行压缩并进行特征提取,以得到所述请求上下文变量信息的按照时序的嵌入式请求矢量;
根据所述时序依次输入所述嵌入式请求矢量至LSTM网络模块,以输出所述深度神经网络对下一次输入请求上下文变量信息的预测数据信息;
对所述预测数据信息进行感知,以得到解码后的所述预测数据信息,将所述解码后的所述预测数据信息还原为服务质量数据并输出。
2.根据权利要求1所述的基于深度神经网络的服务质量预测方法,其特征在于,所述上下文变量信息包括上下文及其对应的服务质量数据信息。
3.根据权利要求2所述的基于深度神经网络的服务质量预测方法,其特征在于,所述上下文变量信息包括响应时间信息和网络吞吐量信息;还原后的所述服务质量数据包括响应时间信息和网络吞吐量信息。
4.根据权利要求3所述的基于深度神经网络的服务质量预测方法,其特征在于,所述步骤将经过编码的所述上下文变量信息进行维度压缩并进行特征提取还包括:
将经过编码的所述上下文变量信息进行压缩后,输入至多层全连接网络组成的特征提取器进行特征提取。
5.根据权利要求4所述的基于深度神经网络的服务质量预测方法,其特征在于,根据所述时序依次输入所述嵌入式请求矢量至LSTM网络模块,以输出所述深度神经网络对下一次输入请求上下文变量信息的预测数据信息还包括:
根据所述时序依次输入的所述嵌入式请求矢量通过计算依次得到对应...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。