基于服务端反馈的服务质量评价与推荐技术研究

论文摘要

本文以国家高科技研究与发展专题课题（“863”课题）“互联网环境下基于闭环反馈的服务描述、发现和管理技术研究”（课题编号2007AA01Z139）项目为背景,对SOA系统中的基于服务质量属性评价和推荐技术进行了研究。首先,本文定义了一个可扩展的Web服务质量框架。针对如今的Web服务,不断有新的服务质量属性被提出的情形,该框架灵活的支持了服务质量属性的拓展,且便于服务端对新的质量属性进行描述和衡量。在该质量度量框架的基础上,服务端实时进行数据采集计算并反馈给注册中心。其次,本文的注册中心增加了一个服务质量评价推荐系统。在以往的分析中,根据服务的非功能性选择只是简单的根据属性进行排序。本文通过一个优化后的神经网络模型,对收集到的服务质量信息进行实时的分析,将已经被用户调用的服务信息作为训练数据,不断的在神经网络里进行训练,基于数据挖掘的思想对用户的偏好进行分析,使服务提供者能提供最贴近用户需求的服务推荐。再次,在神经网络的关键问题--隐层设计问题中,本文综合了主成分分析法进行研究,以适应不断扩展的质量属性。利用该分析方法,当神经网络的输入即服务的质量属性拓展了之后,系统能够自动的对网络进行重新设计,得出较佳的结果。利用神经网络与主成分分析法的结合,能够使Web服务做到真正意义上的全自动推荐评价。本文提出的基于神经网络的服务质量评价与推荐模型能对服务进行自动客观的评价,为SOA应用框架更好地实现服务推荐打下了良好的理论研究基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 研究内容
• 1.4 本文的内容组织
• 第二章 Web Service 质量模型
• 2.1 可扩展的QoS 属性的度量框架
• 2.2 Web 服务的QoS 定义及处理
• 2.2.1 QoS 定义
• 2.2.2 数据预处理
• 2.3 QoS 信息的采集和反馈
• 2.4 QoS 信息汇聚与存储
• 2.5 本章小结
• 第三章QoS 信息分析与计算
• 3.1 利用神经网络进行客观分析
• 3.1.1 人工神经网络相关知识
• 3.1.2 服务质量推荐模型
• 3.2 基于主成份分析的隐层单元设计
• 3.2.1 主成份分析
• 3.3 网络中其他参数的确定
• 3.4 网络的训练过程
• 3.5 网络环境下与经典神经网络模型的区别
• 3.6 QoS 动态预测
• 3.6.1 面向服务提供商的QoS 预测
• 3.6.2 面向服务消费者的服务QoS 预测
• 3.7 本章小结
• 第四章 系统设计与实现
• 4.1 平台选择
• 4.2 系统结构
• 第五章 全文总结
• 5.1 主要结论
• 5.2 研究展望
• 参考文献
• 附录
• 附录1 BP 神经控制器算法训练函数
• 致谢
• 攻读硕士学位期间已发表或录用的论文