【技术实现步骤摘要】
一种通信网络云服务QoS预测方法、系统、设备及介质
[0001]本专利技术涉及QoS(Quality of Service，服务质量)预测
，具体是涉及一种通信网络云服务QoS预测方法、系统、设备及介质。
技术介绍
[0002]网络云服务正在成为最重要的互操作技术之一，用于连接因特网上的异构应用程序以实现跨平台、跨系统和跨语言的交互，迅速成为部署分布式计算和协作的重要方式，极大地促进网络资源的有效使用。用户可以查找并调用网络云服务中提供的各种不同服务，无需担心编程语言、操作平台、实现方式等各种问题。用户作为网络云服务的使用者，在开发云应用程序时往往通过调用多种服务以实现目标功能，然而随着在网络云服务中开发的服务数量增加，如何从大量服务中选择最合适的服务来满足用户的需求就成为一个需要解决的关键问题。许多研究人员认为用户在选择某一项服务时，不仅要考虑用户的功能需求，还要考虑服务提供的非功能指标，即涵盖有可用性、响应时间、执行时间和吞吐量等因素的QoS值，因此提前对用户在调用某一项服务时产生的Qos值进行预测就显得很有必要。...
【技术保护点】
【技术特征摘要】
1.一种通信网络云服务QoS预测方法，其特征在于，所述方法包括：获取历史数据集，其包括若干个用户标签、若干个服务标签以及每个用户在调用每个服务时的QoS值；基于所述若干个用户标签，将所述历史数据集划分成多个数据子集；利用所述多个数据子集对构建好的多个向量输出模型进行训练，得到用户嵌入向量集合和服务嵌入向量集合；利用所述用户嵌入向量集合和所述服务嵌入向量集合对构建好的聚合预测模型进行训练；将待测用户标签和待测服务标签输入至训练好的多个向量输出模型中，得到单个用户嵌入向量和多个服务嵌入向量；将所述单个用户嵌入向量和所述多个服务嵌入向量输入至训练好的聚合预测模型中，得到待测用户在调用待测服务时的预测QoS值。2.根据权利要求1所述的通信网络云服务QoS预测方法，其特征在于，所述基于所述若干个用户标签，将所述历史数据集划分成多个数据子集包括：根据所述历史数据集构建无向图，其包含所述若干个用户标签对应的若干个用户节点；利用Node2Vec算法对所述无向图上的所述若干个用户节点进行特征学习，对应得到若干个初始用户嵌入向量；根据所述若干个初始用户嵌入向量，利用深度聚类网络对所述若干个用户标签进行聚类处理，得到多个聚类结果；对于每个聚类结果中包含的所有用户标签，从所述历史数据集中获取与所述所有用户标签关联的所有Qos值，再结合所述所有用户标签和所述若干个服务标签生成所述每个聚类结果对应的数据子集。3.根据权利要求2所述的通信网络云服务QoS预测方法，其特征在于，所述根据所述若干个初始用户嵌入向量，利用深度聚类网络对所述若干个用户标签进行聚类处理，得到多个聚类结果包括：所述深度聚类网络包括深度神经网络和聚类网络，利用所述深度神经网络对所述若干个初始用户嵌入向量进行降维处理；计算降维后的每两个初始用户嵌入向量的欧式距离，再利用所述聚类网络基于K
‑
Means算法对所述若干个用户标签进行聚类处理，得到多个聚类结果。4.根据权利要求2所述的通信网络云服务QoS预测方法，其特征在于，所述利用所述多个数据子集对构建好的多个向量输出模型进行训练，得到用户嵌入向量集合和服务嵌入向量集合包括：对于每个数据子集中包含的所有用户标签和所述若干个服务标签，利用所述每个数据子集对单个构建好的向量输出模型进行训练，得到所述所有用户标签对应的所有用户嵌入向量以形成用户嵌入向量子集，以及所述若干个服务标签对应的若干个服务嵌入向量以形成服务嵌入向量子集；以此类推，在对构建好的多个向量输出模型进行训练之后对应得到多个用户嵌入向量子集和多个服务嵌入向量子集，再将所述多个用户嵌入向量子集构成用户嵌入向量集合，
将所述多个服务嵌入向量子集构成服务嵌入向量集合。5.根据权利要求4所述的通信网络云服务QoS预测方法，其特征在于，所述利用所述用户嵌入向量集合和所述服务嵌入...
【专利技术属性】
技术研发人员：许建龙，曾渝翔，杜梓博，代青草，陈彩怡，王佳琳，练睿敏，
申请(专利权)人：汕头大学，
类型：发明
国别省市：
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。