基于张量分解的动态Web服务.pdfVIP

2016年9月 北京航空航天大学学报 2016 September of 第42卷第9期 Journal ofAeronauticsandAstronautics V01．42No．9 BeijingUniversity bhxb．buaa．edu．cn http：ff jbuaa@buaa．edu．cn DOI：10．13700／j．bh．1001-5965．2015．0582 基于张量分解的动态Web服务推荐 张万才，刘旭东。，郭晓辉 (北京航空航天大学计算机学院，北京100083) 摘 要：在服务计算领域中，为了能够在大量具有相同功能的Web服务以及API等 数据资源中选择适合用户的服务和接口，提出了服务推荐系统。当前常用的基于服务质量 (QoS)的服务推荐系统所采用的模型假定服务的QoS值恒定不变，是一种由服务和用户的二 元关系构成的二维静态模型。针对实际应用中，QoS是受到多种因素影响的变量这一问题，提 出了一种可以描述多个影响QoS因素的张量模型，并利用张量分解算法来对服务推荐算法进 行了改进。实验结果表明：提出的基于张量分解的服务推荐算法与6种现有算法相比较，预测 服务的QoS值的绝对平均误差(MAE)不同程度地降低了20％～50％，并且所建模型能够描述 更多的影响因素，从而可对服务进行动态推荐。 关 键 词：服务计算；服务质量；推荐系统；协同过滤；张量分解 中图分类号：TP399 文献标识码：A 文章编号：1001-5965(2016)09—1892—11 推荐系统作为个性化服务研究领域的重要分 面I临的一个重要问题，目前解决这一问题的主要 支，通过挖掘用户与项目之间的二元关系，帮助用 技术途径是服务推荐。 户从大量数据中发现其可能感兴趣的项目，并生 主流的服务推荐系统在为用户进行服务推荐 成个性化推荐以满足个性化需求。如今，推荐系 时，主要考虑的是用户偏好、服务应用场景和服务 of 统在电子商务、信息检索以及移动应用、电子旅 质量(Quality 游、互联网广告等众多应用领域取得较大进展。 作为一系列用户可以感知和监测到的非功能属 Web服务是网络化应用软件开发的基础，随 性，实际上成为了众多服务推荐系统进行服务选 着互联网、云计算、移动计算和大数据等技术的快 择和推荐的核心依据。大多数服务推荐系统使用 速发展，面向海量终端用户的互联网软件服务不 协同过滤算法对用户观察到的QoS属性信息进 断涌现，由它们组合而成的网络化软件已经逐渐 行挖掘，找到与当前用户服务体验相似的用户，为 成为软件的重要形态和发展趋势。面向服务计算 当前用户预测其未使用过的服务QoS属性值，并 的体系结构能够无缝地把各种在线Web服务和 以此进行服务推荐。近年来，基于QoS的服务推 API组合起来，形成新的增值服务来满足用户需 荐技术受到学术界广泛关注¨。1。 求。然而，随着互联网产业突飞猛进的发展，在线 通过定期对系统内所有的服务进行监测，获取相 Web服务和API的数量正在飞速增长，如何从大 量的网络服务中快速有效地选择出满足用户功能 应的QoS属性的数值，并根据用户选择的QoS属 性和非功能性要求的服务已经成为服务计算领域 性预测值，对服务进行检