项目名称: 基于智能信息处理的Web服务可信性预测与评估技术研究

项目编号: No.61462030

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 毛澄映

作者单位: 江西财经大学

项目金额: 44万元

中文摘要: Web服务在可信性指标上的不完整、动态多变性给用户的服务选择与利用带来重要挑战。本项目针对服务可信性时间序列常出现的非平稳特征,拟运用小波分解技术对原始序列进行分层处理,再集成各层的预测结果给出服务在后续时间的可信性预测值。在Web服务可信性空缺记录预测方面,运用位置或关系网络感知的方法筛选出相似用户或服务,再试图在传统的协同过滤方法之外建立一种基于群体智能搜索的预测新途径。针对所获取的Web服务评价信息量少、不确定性强等问题,拟采用灰色系统理论来实施数据处理,在此基础上给出Web服务可信性的综合评价。依据观测得到的可信性指标分布与依赖关系,运用马尔可夫链蒙特卡罗方法进行随机抽样模拟出服务的可信性指标值,再通过聚合函数计算或Petri网模拟来评估整个Web服务系统的可信性。总之,通过上述基于智能处理与优化方法的研究将有利于进一步丰富服务可信性预测与评估的手段,并为实际应用提供有益借鉴。

中文关键词: Web服务;可信性;预测与评估;数据处理;智能优化

英文摘要: Web services have become the primary source for constructing software system over Internet. However, some features of Web service's trustworthiness, such as incomplete, dynamic and changeable, bring great challenge to service selection and invocation. In order to deal with the nonstationary time series of Web service's trustworthiness, this project attempts to adopt wavelet decomposition technique to convert the original series into several layers. Subsequently, the prediction about trustworthiness on each layer can be employed by BP neural network or logistic regression analysis. The final prediction value for the trustworthiness at the next time can be achieved through integrating the results in each layer. For predicting the empty records in user-service trustworthiness matrix, similar users or services are firstly filtered out according to location information or relationship network, and then the missed values can be recommended by means of a swarm intelligence search-based method, which is significantly different from the traditional collaborative filtering approach. Due to the lack and uncertain information for trustworthiness evaluation, grey system theory is suggested for data processing so as to provide a comprehensive evaluation for Web services. According to the probability distribution of trustworthiness indicators and their dependences, Markov Chain Monte Carlo (MCMC) method is used to randomly sample and simulate the trustworthiness vectors for each single Web service. Then, the trustworthiness of whole Web service system can be yield by means of aggregate functions or Petri-Net simulation. In a word, researches in this project will enrich the ways to predict and evaluate the trustworthiness of Web services, and also will provide some references for the practice on Web services selection and utilization.

英文关键词: Web Services;Trustworthiness;Prediction and Evaluation;Data Processing;Intelligent Optimization

成为VIP会员查看完整内容
0

相关内容

个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
53+阅读 · 2021年4月3日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
专知会员服务
230+阅读 · 2020年12月15日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
【神经语言生成:形式化,方法与评价,70页pdf】
专知会员服务
35+阅读 · 2020年8月8日
WSDM'22「Facebook」推荐采样方法哪家强?
图与推荐
0+阅读 · 2022年1月19日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
基于对比学习的推荐算法总结
机器学习与推荐算法
1+阅读 · 2021年9月16日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
法小飞:智能法律咨询助手
哈工大SCIR
33+阅读 · 2018年10月20日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
17+阅读 · 2021年3月29日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
53+阅读 · 2021年4月3日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
专知会员服务
230+阅读 · 2020年12月15日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
【神经语言生成:形式化,方法与评价,70页pdf】
专知会员服务
35+阅读 · 2020年8月8日
相关资讯
WSDM'22「Facebook」推荐采样方法哪家强?
图与推荐
0+阅读 · 2022年1月19日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
基于对比学习的推荐算法总结
机器学习与推荐算法
1+阅读 · 2021年9月16日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
法小飞:智能法律咨询助手
哈工大SCIR
33+阅读 · 2018年10月20日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员