面向大规模服务系统的在线服务质量预测方法研究

项目名称： 面向大规模服务系统的在线服务质量预测方法研究

项目编号： No.61472338

项目类型： 面上项目

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： 郑子彬

作者单位： 香港中文大学深圳研究院

项目金额： 80万元

中文摘要： 近年来，由于面向服务系统呈现出的大规模化和高度复杂化的特点，使得利用传统服务质量预测方法来构建高质量的大规模服务系统变得越来越困难。针对复杂的大规模服务系统的服务质量数据量大、稀疏性强、及动态性高等特点，本项目重点研究基于在线学习的服务质量预测方法。本项目拟通过预测框架设计、Web服务模块服务质量预测、基于在线学习的大规模服务系统服务质量预测、系统实现等研究，实现快速收集服务质量信息、动态更新服务质量预测模型、和高效预测服务质量，从而为构建高质量的大规模服务系统提供理论参考。不同于传统研究，本项目关注用户端的服务质量，为每一个用户提供更加准确的个性化的服务质量预测。同时本项目创新地融合协同过滤、网络坐标、在线学习等技术，在充分挖掘服务质量历史数据的同时，融入了当前最新的服务质量信息，从而实现更准确的服务质量预测。

中文关键词： 服务质量预测；服务计算；Web服务；协同过滤；在线学习

英文摘要： In recent year, the trend towards large-scale and complex service-oriented systems makes it difficult to develop high quality service-oriented systems employing traditional QoS prediction approaches. QoS data of service-oriented systems have the characteristics of large volume,sparse,and highly dynamic. Based on these charateristics, this project plan to investigate various online QoS prediction approches, including prediction framework design, QoS prediction of Web services, online QoS prediction of service-oriented systems, and system implementation. This project strives to achieve efficient collection of service QoS information, dynamic upduate of the prediction model, and effctive prediction of service QoS, which will provide theory reference for building high quality service-oriented systems. Different from previous research, we focus on user-side QoS and provide personalized QoS prediction for different users. Moreover, this project combines collaborative filtering, network coordinate, and online learning techniques to enable more accurate QoS prediction, via mining historial QoS information as well as employing the most updated QoS information.

英文关键词： QoS Prediction;Service computing;Web service;Collaborative filtering;Online Learning