基于时序分析的Web服务QoS协同预测

摘要 QoS预测是Web服务选取、动态服务组合和面向服务系统性能计算的重要基础.针对环境要素随时间变化导致的Web服务QoS波动问题，提出一种基于时序分析的QoS预测方法.该方法基于历史QoS数据采用融合基于用户和基于项目的协同过滤方法计算不同时间片QoS属性评价矩阵中的缺失项，进而构建Web服务的QoS属性评价时间序列.在此基础上，设计了基于重近轻远原则的预测算法QARSPre，利用时间片步长控制序列权重，同时构造均值绝对偏差序列动态调整具有较大波动序列的权重，削弱因序列波动对预测结果准确性的影响.实验结果表明QARSPre优于传统的QoS预测方法，能够适应不同数据集的变化