[发明专利]一种基于位置聚类的协同式Web服务性能预测方法

权利要求书

1.一种基于位置聚类的协同式Web服务性能预测方法，其特征在于，包括以下步骤：

1)根据用户和服务的位置信息，对自治系统号即AS号相同的用户和服务分别进行聚类；

2)随机挑选用户来作为活跃用户，同时随机挑选服务来作为活跃服务，根据活跃用户的历史性能记录和聚类信息，利用用户聚类和服务聚类的结果分别对用户-服务矩阵中空缺的性能值进行数据平滑填充，其中历史性能记录包括响应时间、吞吐量、可靠性、价格和可用性记录，且用户-服务矩阵记录着每个用户调用Web服务的历史性能；

3)对步骤2)中平滑填充后的聚类，计算聚类后每个集群的质心，并计算每个用户集群的质心和活跃用户的相似性，以及每个服务集群的质心和每个随机挑选的活跃服务的相似性；利用快速排序算法对相似聚类进行降序排序，找到最相似的候选集群，从而完成邻居预选择；

4)完成邻居预选择后，对活跃用户根据其原始评分和平滑评分分别赋予不同的权重，并计算活跃用户和每个用户候选集群中用户的相似性，以及计算活跃服务和每个服务候选集群中服务的相似性，最终找到与活跃用户和活跃服务相似的邻居集合，完成相似邻居的选择；

5)得到活跃用户和活跃服务的相似邻居集合后，通过加入权重信息，利用Top-K个最相似的用户来为活跃用户预测未知服务的性能值和Top-K个最相似的服务来为活跃服务预测未知服务的性能值，完成基于用户的性能预测和基于服务的性能预测；

6)根据预测的性能值，通过加入调节因子对基于用户的性能值预测和基于服务的性能值预测进行整合，从而得到最终预测的性能值；

7)对所有的候选服务进行排序，推荐Top-K个服务给活跃用户，完成推荐；

所述步骤1)中对AS号相同的用户和服务分别进行聚类的详细步骤包括：

2.1)首先获取用户和服务的位置信息，用户和服务的位置信息即该用户和服务所在网络的AS号；

2.2)获取用户的位置信息后，将具有相同AS号的用户聚为一组，假设用户可聚为k组，即用户集U＝{u₁,u₂,...u_n}被聚类为

2.3)获取服务的位置信息后，将具有相同AS号的服务聚为一组，假设服务可聚为k1组，即服务集S＝{s₁,s₂,...s_n}被聚类为

所述步骤2)中具体是指根据式(1)进行基于用户聚类的数据平滑；

式(1)中，是对用户未评分服务的平滑值，对于用户u，簇利用如下公式计算

其中表示用户u对所有调用过的服务的平均评分，是表示用户聚类的平滑因子，定义如下：

其中C_u(i)∈C_u，是用户u所在的簇C_u中，项目t有评分的用户子集；表示对用户u'的平均评分；|C_u(i)|是用户u所在的簇C_u中，对i有评分的用户数；

所述步骤2)具体是指根据式(4)进行基于服务聚类的数据平滑；

式(4)中，其中是用户未对服务进行评分的平滑值，R_i(u)是用户对服务有评分的真实值，对于服务i，利用如下公式计算

其中表示所有用户对服务i有评分的平均评分，是表示服务聚类的平滑因子：

其中C_i(i)∈C_i，是服务i所在的簇C_i中，被用户评分过的服务子集；表示所有用户对服务i'的平均评分；|C_i(u)|是项目i所在的簇C_i中被用户评分过的服务数；

所述步骤3)中具体是指根据式(7)进行基于用户的邻居预选择，计算每个用户组的质心与活动用户之间的相似性并根据式(8)进行基于服务的邻居预选择，计算每个服务组C与活动服务之间的相似性

式(7)中，表示对用户u_a的平均评分；表示用户u_a对服务i的评分；ΔR_C(i)是表示用户聚类的平滑因子，计算各组和活跃用户之间的相似性之后，对各个群组进行降序排序，找到相似度较高的群组作为候选群组，

式(8)中，表示对用户i_a的平均评分；用户u对服务i_a的评分；ΔR_C(u)是表示服务聚类的平滑因子，在计算出各个群组和活动服务之间的相似性之后，对其进行降序排序，从而找到相似性最高的群组作为候选群组。