[发明专利]一种基于去中心化矩阵分解的服务质量预测方法

摘要

本发明公开了一种基于去中心化矩阵分解的服务质量预测方法，包括以下步骤：（1）建立用户邻接图，（2）确定交互的范围，（3）确定交互的信息，（4）合成并预测QoS值。通过上述方式，本发明基于去中心化矩阵分解的服务质量预测方法通过采用去中心化矩阵分解方法来预测QoS值，解决集中式训练造成的计算资源浪费的问题，此外，每个用户对Web服务的QoS值保存在用户自己手中，从而很好的保护了用户的个人隐私，在基于去中心化矩阵分解的服务质量预测方法的普及上有着广泛的市场前景。

主权项

1.一种基于去中心化矩阵分解的服务质量预测方法，其特征在于，包括以下步骤：定义表示用户集合，定义表示Web服务集合，其中共有个用户和个Web服务，表示第i个用户对第j个Web服务的交互信息，其中，并且表示用户对服务评估的QoS值，定义表示用户潜在特征矩阵，其中每一行表示用户的维潜在特征向量，定义表示服务潜在特征张量，定义表示用户的服务潜在特征矩阵，其中表示用户对服务的K维潜在特征向量，（1）建立用户邻接图：根据用户的地理位置来建立用户邻接图以表示用户之间的密切程度，定义表示用户和用户之间的距离，那么，用户和用户之间的相似度可以表示为：，其中：，如果用户和用户在同一地区，则式中，如果用户和用户不在同一地区，则式中，是用户之间的距离和相似度的映射函数，用户之间的距离越小，相似度就越大，（2）确定交互的范围：用户采用基于随机游走的相邻用户交互的方法对其他邻居的信息进行交互：在建立完用户邻接图之后，采用用户邻接矩阵表示用户的邻接图，定义表示中的第个邻居，表示邻居的个数，，显然，就表示用户的直接邻居，当用户想与他直接的邻居交互信息，表示用户从他的邻居中选取一个用户的行为，那么，，根据马尔可夫概率，用户选取他的第二邻居（）的概率为：，其中，D表示随机游走的最大距离，用户在预设的最大迭代次数内对周围邻居进行游走以交互信息，（3）确定交互的信息：为了保护用户的隐私，要确定用户之间交互哪些信息，将QoS值分解为用户偏好潜在向量和服务偏好潜在向量，即，，其中，对于每个用户，第个服务的服务潜在特征向量，可以分解为：，其中表示全局潜在特征向量，其表示所有用户的共同偏好，表示私有潜在特征向量，其表示用户的个人偏好，那么损失函数可以表示为：，向量和只依赖于保存在用户中的信息，而不仅依赖于用户中的信息，也依赖于其他相邻的用户中的信息，设定隐私保护协议来交换用户之间的信息，从而学习服务全局潜在特征向量，所述隐私保护协议为通过发送每个用户的损失函数关于的梯度给他的邻居，来学习全局服务潜在特征向量，对于每个用户的损失函数关于，和的梯度为：，（4）预测QoS值：交互完成后的用户将全局潜在特征向量与私有潜在特征向量合成获得服务潜在特征向量，即，再将用户偏好潜在向量和服务偏好潜在向量合成获得用户对服务评估的QoS值，即。