一种基于用户情境的QoS预测方法

李蓉 杨莉萍 杨艳

摘  要： 完整的QoS信息有利于更准确的服务推荐，但是现实中往往很难得到。文章提出了一种基于用户情境的QoS预测方法，对于老用户，根据他们原来的QoS选择，考虑QoS类型区别和时间衰减情况，预测新的QoS取值;对于新用户，按照用户分类信息，根据同类用户的服务选择情况，预测他们的QoS取值。实验证明，该方法有助于提高服务推荐的性能。

关键词： QoS; Web服务; 服务推荐; 用户情境

中图分类号：TP311          文献标识码：A     文章编号：1006-8228（2020）05-54-05

Abstract： Complete QoS information is conducive to more accurate service recommendation， but it is often difficult to get in reality. In this paper， a QoS prediction method based on user context is proposed. For the old user， new QoS value is predicted according to their original QoS selection， taking the difference of QoS types and time attenuation into the consideration; for new users， the QoS is predicted according to the user classification information and the service selection of similar users. Experiments show that this method can improve the performance of service recommendation.

Key words： QoS; Web service; service recommendation; user context

0 引言

Web服务的发展非常迅速，随着Web服务数量的急剧增加，用户如何从大量服务中快速、准确地选择服务成为一个难题。当提供的一些服务相似时，用户可能不知道如何选择，这时可以考虑服务的QoS属性。服务的QoS属性从多方面描述服务的质量，比如服务的价格、吞度量、可靠性、声誉等，对用户的使用感受起到决定性作用[1]。

现在基于QoS的服务推荐多数是针对QoS属性信息比较完全的情况，但是用户可能没有耐心去选择所有的QoS属性，或者用户不清楚该如何选择。遇到这些情况，我们不能简单地得到用户的QoS取值，就需要先做QoS预测[2]。

主要的服务QoS预测方法有基于协同过滤的预测方法和基于数学模型的预测方法。协同过滤的思想比较简单，算法时间复杂度小，但是在数据稀疏的情况下推荐效果不太理想。其著名方法有文献[3]提出的基于混合协同过滤的WSRec方法和文献[4]提出的基于用户协同过的UPCC算法。基于数学模型的方法对于数据稀疏的情况推荐效果较好，例如文献[5]提出的ASmooth方法。……