[发明专利]基于用户邻域的Web Service服务质量预测方法及装置

摘要

本发明涉及Web Service服务质量预测领域，公开了一种基于用户邻域的Web Service服务质量预测方法，通过建立第一类邻域以及第二类邻域，建立预测模型，对预测模型进行求解得到最终的预测值，同时，还公开了一种基于用户邻域的Web Service服务质量预测装置。本发明的优点在于，解决了地域对服务质量预测的准确性的不利影响，同时也很好地解决了数据稀疏性以及推荐系统中用户评分过于主观的问题，具有较高的应用价值。

主权项

一种基于用户邻域的Web Service服务质量预测方法，其特征在于，包括以下的具体步骤：第一类邻域识别步骤(101)：根据用户的历史调用记录计算任意两个用户i、l之间的相似度sim_il，用户i为目标用户，用户i、l共同调用过服务集合S，相似度sim_il采用余弦相似度计算得到，并以历史调用记录中所记载的服务被用户调用后返回的服务质量作为用户的空间向量坐标值；选择与用户i相似度sim_il最大的K个用户l组成目标用户的第一类邻域TopK_l(i)；第一类邻域权重计算步骤(102)：根据相似度sim_il计算第一类邻域TopK_l(i)内每个用户l的权重w_il；第二类邻域识别步骤(103)：根据用户的地理位置坐标计算任意两个用户i、h之间的空间距离d_ih，选择与用户i的空间距离d_ih最近的K个用户h组成目标用户的第二类邻域TopK_h(i)；第二类邻域权重计算步骤(104)：根据空间距离d_ih计算第二类邻域TopK_h(i)内每个用户h与用户i之间的相似度sim_ih，当d_ih为0时，sim_ih＝1；当d_ih逐渐增大时，sim_ih逐渐减小；当d_ih趋向于无穷时，sim_ih＝0；根据相似度sim_ih计算第二类邻域TopK_h(i)内每个用户h的权重w_ih；模型建立步骤(105)：在矩阵分解模型的基础上建立用于预测目标用户与第一类邻域TopK_j(i)内用户的Web Service服务质量的预测模型，所述预测模型还包括一个根据目标用户与第二类邻域TopK_h(i)内用户之间的权重w_ih得到的正则化项，所述正则化项用于令目标用户的特征向量与第二类邻域TopK_h(i)内用户的特征向量之间尽可能地接近；模型求解步骤(106)：应用梯度下降法求解预测模型，得到待求解的用户特征矩阵以及服务特征矩阵；预测步骤(107)：通过预测模型中用户特征矩阵与服务特征矩阵的矩阵乘法得到最终的预测值。