推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于Bootstrap技术的Web服务QoS值的置信区间估计和预测

更新时间:2019-12-24 07:13:31 大小:819K 上传用户:守着阳光1985查看TA发布的资源 标签:bootstrapweb服务qos 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

目前对Web服务QoS(Quality of Service)的预测研究,通常预测QoS的静态值,很少预测QoS值的置信区间.本文借助非参数统计学的Bootstrap技术,提出估计Web服务QoS值置信区间的方法;然后利用与当前Web用户相似的其他Web用户调用待预测Web服务的QoS历史数据,预测当前Web用户调用待预测Web服务的QoS值的置信区间.本文估计了WSDream数据集1中每个用户调用每个Web服务的QoS值的置信区间,实验发现这些置信区间的上下限近似服从重尾分布.通过随机选择WSDream数据集1中60%到90%的用户和Web服务作为训练集,预测另外10%到40%的用户和Web服务的QoS值,实验结果表明预测的QoS置信区间与估计的QoS置信区间的平均覆盖率超过70%,最高达76%.在服务选择或服务推荐时给用户提供一个估计的或预测的QoS置信区间,可以更好地满足用户的个性化需求.


部分文件列表

文件名 大小
基于Bootstrap技术的Web服务QoS值的置信区间估计和预测.pdf 819K

部分页面预览

(完整内容请下载后查看)
3
Vol. 46 No. 3  
Mar. 2018  
2018  
3
ACTA ELECTRONICA SINICA  
Bootstrap  
Web  
QoS  
基于  
技术的  
服务  
值的  
置信区间估计和预测  
1
1
1
2
汪 浩 肖建茂 龙 浩 汪乐约  
( 1.  
330022; 2.  
07102)  
江西师范大学软件学院 江西南昌  
新泽西理工学院计算机科学系 美国新泽西州纽瓦克  
:
Web  
QoS ( Quality of Service)  
的预测研究 通常预测  
QoS  
的静态值 很少预测  
QoS  
目前对  
服务  
值的置信  
区间 本文借助非参数统计学的  
Bootstrap  
技术 提出估计  
Web QoS  
服务  
;
值置信区间的方法 然后利用与当前  
Web  
Web  
Web  
QoS  
历史数据 预测当前  
Web Web QoS  
户相似的其他  
用户调用待预测  
WSDream  
服务的  
用户调用待预测  
服务的  
值的置信区间 实验发现这些置信区  
Web  
值的  
置信区间 本文估计了  
1
数据集 中每个用户调用每个  
Web  
QoS  
服务的  
60% 90%  
WSDream  
1
间的上下限近似服从重尾分布 通过随机选择  
数据集  
值 实验结果表明预测的  
在服务选择或服务推荐时给用户提供一个估计的或预测的  
的用户和  
置信区间与估计的  
QoS  
服务作为训练集 预测  
10% 40%  
Web  
QoS  
QoS  
QoS  
另外  
的用户和  
服务的  
置信区间的平均覆  
70% ,  
最高达  
76% .  
置信区间 可以更好地满  
盖率超过  
足用户的个性化需求  
:
Web  
; QoS  
; QoS  
; Bootstrap;  
预测 置信区间  
关键词  
中图分类号  
服务  
估计  
:
TP311  
:
A
:
0372-2112 ( 2018) 03-0665-07  
文献标识码  
文章编号  
URL: http: / /www. ejournal. org. cn  
DOI: 10. 3969 /j. issn. 0372-2112. 2018. 03. 023  
电子学报  
An Approach to Estimate and Predict the Confidence  
Interval of Web Service QoS Based on Bootstrap  
1
1
1
2
WANG Hao XIAO Jian-mao LONG Hao WANG Le-yue  
( 1. School of SoftwareJiangxi Normal UniversityNanchangJiangxi 330022China;  
2. Department of Computer ScienceNew Jersey Institute of TechnologyNewarkNJ 07102United States )  
Abstract: Nowdays we usually predict the static value of QoS ( Quality of Service) rather than the confidence inter-  
val of the QoS in researches toward the prediction of Web services QoS. With the help of non-parametric statistical Bootstrap  
techniquewe propose an approach to estimate and predict the confidence interval of Web services QoS; and then we use the  
historical QoS data of Web users which are similar to current Web users to predict the confidence interval of QoS values of  
the current Web users. Furthermorewe estimate the QoS confidence interval of each user invokes each Web service in WS-  
Dream dataset1. According to the experimentwe find out that the confidence interval follows a heavy tailed distribution. By  
randomly choosing 60% to 90% of users and services from WSDream dataset1 as our training dataset and predicting the  
QoS value of the other 10% to 40% users and serviceswe find that the average coverage rate is over 70% between the pre-  
dicted QoS confidence interval and the estimated QoS confidence interval and the maximum average rate is as high as 76% .  
It is much better to meet personal requirement if we provide an estimated or predicted QoS confidence interval in the service  
selection or service recommendation.  
Key words: Web service; QoS estimation; QoS prediction; Bootstrap; confidence interval  
Web  
服务器负载的随机动态性 导致大部分  
Web  
1
引言  
QoS  
(
值 如响应时间 吞吐率 可靠性等 也是随机  
)
务的  
1]  
2]  
4 ~ 14]  
QoS  
被广泛用于服务选择  
服务组合  
服务推  
QoS  
值是服务计算领域的研究热点之4 ~ 14由于互联网  
动态的 但现有研究  
QoS  
通常假定其使用或预测的  
3和服务发4此通过各种方法分析预测  
值是静态的或固定的 很少有文献研究由于  
Web  
服务  
值的随机  
Web  
QoS  
器负载的随机性动态性导致的  
服务  
: 2016-10-20;  
: 2016-12-23;  
:
收稿日期  
修回日期  
责任编辑 覃怀银  
:
( No. 61262014) ;  
( No. 20132BAB201034) ;  
( No. GJJ13224)  
江西省教育厅科技项目  
基金项目 国家自然科学基金  
江西省自然科学基金项目  
666  
2018  
的 原始估计  
.  
统计属性 如置信区间等  
现有研究主要采用协同过滤技16根据与当前  
( 2)  
R R R  
原始样本中每次随机地取一  
1
2
k
Web  
QoS  
, ,  
个个体做有放回的抽样 重复 次 得到一个容量为  
* * *  
k
k
用户相似的用户调用  
预测当前用户调用该  
服务的  
服务的  
值的历史数据  
Web  
QoS  
6]  
Bootstrap  
R R R , ( 2)  
并记其均值如式  
值 文献 利用  
样本  
1
2
k
Pearson  
相关系数计算用户之间的相似性 并采用相似  
所示  
k
Web  
1
程度的离差加权平均值 预测当前用户调用  
服务  
*
*
^
R
=
R
( 2)  
QoS  
l
k
l = 1  
QoS ( significance  
7]  
 利用通过重要性权重  
Web  
i
用户 调用  
Web  
j
服务 的平均  
该值是  
weight)  
Pearson  
调节后的  
度 提出预测当前用户调用  
IPCCUIPCC  
10]  
相关系数计算用户间的相似  
Bootstrap  
.  
2
B
( B ,  
估计 对步骤 重复  
是整数 一般  
Web  
Web  
QoS  
UPCC、  
服务  
值的  
B = 10000) , Web  
i
j
可以得到  
Bootstrap  
用户 调用  
*
^
服务 的  
*
^
Pearson  
等算法 文献 利用  
相关系数  
*
^
QoS  
B
R R R .  
平均  
值的  
*
^
*
^
估计值  
Web  
1
2
B
确定相似用户 并利用相似用户调用  
( failure probability) , Web  
服务组合的可  
服务的历史  
*
^
( 3)  
R R R  
*
按从小到大的升序排序 并  
失效概率  
预测  
利用矩阵分解技术 预测当前用户  
QoS QoS  
1
2
B
*
*
^
^
^
: R 1R 2R  
*
^
将排序结果以数组形式记为  
*
1112]  
靠性 文献  
*
^
^
BR 1R 2]  
R BWeb  
则 用户  
i
Web  
调用  
服务的  
值 针对  
的历史数据存在不  
Web  
j
服务 的平均  
QoS  
1 -  
9]  
根据用户所提供的  
QoS  
调用  
值在置信水平为  
α 的置  
可信的情况 文献  
用户基于信誉度的  
值与所有  
(
信区间 α 通常取  
0. 05)  
( 3)  
QoS  
值的加权平均的差异程度 提  
如式  
所示  
1 -  
B ×  
出了一种计算用户信誉度的方法 对于信誉度较低的  
α
α
*
*
^
R
^
R  
B ×  
( 3)  
[
]
[
]
(
(
)
)
2
2
QoS  
;
用户 其  
再利用协同过滤技术 预测当前用户调用  
QoS k-means  
5]  
值不用于预测 排除掉不可信任用户后  
x  
x
( 3)  
其中  
表示不小于 的最小整数 式  
所示的置信  
Web  
服务的  
( percentile interval ) ,  
区 间 称 为 百 分 位 置 信 区 间  
2
值 文献  
首先通过 阶段  
聚类算法 检  
值 然后提出一种称为  
CAP( credibility-aware QoS prediction)  
α
α
*
^
R
QoS  
测并排除不可信任用户的  
;
B ×  
B ×  
的元素值  
表示数组中下标为  
[
]
2
2
的方法预测当前  
13Ken-  
α
*
^
R
Web  
QoS  
值 文献  
1 -  
用户调用  
服务的  
提出利用  
B ×  
表 示 数 组 中 下 标 为  
[
]
(
)
2
dell  
Web  
服务间的相似度 并对  
Web  
相关系数计算  
α
1 -  
B ×  
( 4)  
的元 素 值 该 置 信 区 间 长 度 如 式  
务排名  
本文利用非参数统计学的  
Web Web  
(
)
2
15]  
Bootstrap  
根据  
技术  
所示  
同一个  
用户对同一个  
服务多次调用而收集到  
α
α
*
*
^
^
R
1 -  
B ×  
B ×  
R  
( 4)  
[
]
[
]
(
)
QoS  
样本数据 估计  
QoS  
值的置信区间 然后利用与  
2
2
Web  
Web  
当前  
Web  
Web  
用户相似的其它  
用户多次调用待预测  
QoS  
m
的数据集中包含了 个用户调用  
n
假设  
QoS  
值的 样本数据 预测当前  
服务而收 集 到 的  
Web  
QoS  
, ,  
数据值 根据以上步骤 给出了估计平  
服务的  
Web  
QoS  
用户调用待预测  
服务的  
值的置信区间  
QoS  
1.  
值置信区间的算法  
2
Web  
QoS  
服务  
值的置信区间估计  
1
QoS  
算法  
输入  
估计平均  
值的置信区间  
15]  
Bootstrap  
本节采用非参数统计学中的  
Web  
方法  
讨论  
: Web  
Web  
QoS  
用户多次调用  
服务的  
历史数据  
用户  
Web  
如何利用同一个  
用户对同一个  
服务多次调用  
:
QoS  
输出 估计的平均  
值的置信区间  
QoS  
值 估计  
QoS  
值的置信区间 首先给出  
所收集到的  
Bootstrap  
for( i = 1; i < = m; i + + ) / /  
Web  
针对每个  
QoS  
置信区间的计算步骤 然后以文  
方法估计  
{
14]  
献 给出的  
WSDream  
1
数据集 为例 估计数据集中每  
for ( j = 1; j < = n; j + + ) / /  
Web  
针对每个  
服务  
Web  
QoS  
{
个用户调用每个  
服务的  
值的置信区间的计算步骤  
R R R Web  
值的置信区间  
i
从数据集中提取用户 调用  
Web  
j
QoS  
服务  
值的样本数  
2. 1 QoS  
估计  
( 1)  
k
据至容量为 的数组  
R
;
i
Web  
j
用户 调用  
服务  
1
2
k
( 1)  
QoS  
值的 原始估计  
;  
根据式  
计算平均  
QoS  
( ) k ,  
值 如响应时间 的 个历史数据 将称其为容  
B = 10000; / /  
Bootstrap  
10000  
假设  
的重复次数为  
hat;  
k
,  
的 原始样本 并记其均值如式  
k
( 1)  
所示  
B
声明一个容量的为 的数组  
R
1
^
R =  
for( q = 1; q < = B; q + + )  
R
( 1)  
QoS  
l
k
l
= 1  
{
Web  
i
用户 调用  
Web  
j
服务 的平均  
该值是  
R
对数组 中的  
QoS  
k
样本做 次有放回的抽样 结果存放在  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载