CN103647673B - Web服务的服务质量QoS预测方法和装置 - Google Patents
Web服务的服务质量QoS预测方法和装置 Download PDFInfo
- Publication number
- CN103647673B CN103647673B CN201310722360.8A CN201310722360A CN103647673B CN 103647673 B CN103647673 B CN 103647673B CN 201310722360 A CN201310722360 A CN 201310722360A CN 103647673 B CN103647673 B CN 103647673B
- Authority
- CN
- China
- Prior art keywords
- user
- user node
- neighbor
- node
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Telephonic Communication Services (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出一种Web服务的服务质量QoS预测方法和装置,该方法包括:获取Web服务的多个历史调用记录;根据多个历史调用记录获取每两个用户之间的第一相似度,并根据每两个用户之间的第一相似度创建用户加权相似网络;判断在用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值;如果小于阈值,则在用户加权相似网络中选取每个用户节点的预设个数的第一隐藏邻居用户节点,并分别获取每个用户节点与预设个数的第一隐藏邻居用户节点之间的第二相似度;以及根据第一相似度、第二相似度获取每个用户调用Web服务的QoS预测值。本发明实施例的方法,提高了对Web服务的QoS预测的精度和成功率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种Web服务的服务质量QoS预测方法和装置。
背景技术
Web服务的QoS(Quality of Service,服务质量)是用户使用Web服务时的质量,包括响应时间、吞吐量和网络带宽等,QoS对服务选择、服务组合和服务推荐具有重要意义。目前,获取Web服务的QoS主要有两种方法,一种是依靠客户端对Web服务质量进行评估,该方法即时发送服务请求给服务提供方来获取QoS信息,但是需要消耗大量时间和资源;另一种是利用用户历史的QoS信息通过协同过滤算法进行预测。其中,第二种方法由于可避免资源的大量消耗,因此目前主要采用第二种方法获取Web服务的QoS。
但是,根据用户历史的QoS信息进行QoS预测时,由于Web服务和用户数量的剧增,存在数据稀疏性问题,这带来了QoS预测的精度下降、失败率增加的问题。目前,国内外对基于稀疏历史数据的Web服务QoS预测主要有以下方法,1)通过聚类方式,对用户进行分类,利用用户类别的中心质点调用Web服务的QoS值来替代相应类别中QoS的缺失值;2)通过聚类方式,对服务进行分类,利用服务类别的中心质点QoS值特征来代替相应类别中QoS的缺失值;3)采用混合聚类的方式,对1)和2)方法进行结合,例如进行相关加权等。但是,上述方法主要存在以下问题:(1)聚类方式的不稳定性,聚类过程中相似度计算方式、归类方式和参数初始化等,会给预测结果造成不确定性;(2)聚类方式的复杂性,采用聚类方式需要反复扫描数据库建立相应的分类模型,时间复杂度较高,无法满足QoS时效性要求;(3)聚类方式的静态性,只能基于静态的QoS历史信息进行建模分类,无法利用最新的QoS信息,造成一定的精度损失。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的第一个目的在于提出一种Web服务的服务质量QoS预测方法。该方法可以获取隐藏邻居用户节点,从而提高了对Web服务的QoS预测的精度和成功率。
本发明的第二个目的在于提出一种Web服务的服务质量QoS预测装置。
为了实现上述目的,本发明第一方面实施例的Web服务的服务质量QoS预测方法,包括以下步骤:获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值;根据所述多个历史调用记录获取每两个用户之间的第一相似度,并根据所述每两个用户之间的第一相似度创建用户加权相似网络,其中,所述用户加权相似网络包括多个用户节点,且所述第一相似度大于0的所述每两个用户对应的用户节点相连;判断在所述用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值;如果判断小于所述阈值,则在所述用户加权相似网络中选取所述每个用户节点的预设个数的第一隐藏邻居用户节点,并分别获取所述每个用户节点与所述预设个数的第一隐藏邻居用户节点之间的第二相似度;以及根据所述每个用户节点与所述邻居用户节点的第一相似度、所述每个用户节点与所述预设个数的第一隐藏邻居用户节点的第二相似度获取所述每个用户调用Web服务的QoS预测值。
本发明实施例的Web服务的服务质量QoS预测方法,通过构建用户加权相似网络,以及通过在用户加权相似网络中获取隐藏邻居用户,从而提高了对Web服务的QoS预测的精度和成功率。
为了实现上述目的,本发明第二方面实施例的Web服务的服务质量QoS预测装置,包括:调用记录获取模块,用于获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值;网络创建模块,用于根据所述多个历史调用记录获取每两个用户之间的第一相似度,并根据所述每两个用户之间的第一相似度创建用户加权相似网络,其中,所述用户加权相似网络包括多个用户节点,且所述第一相似度大于0的所述每两个用户对应的用户节点相连;判断模块,用于判断在所述用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值;隐藏邻居获取模块,用于如果判断小于所述阈值,则在所述用户加权相似网络中选取所述每个用户节点的预设个数的第一隐藏邻居用户节点,并分别获取所述每个用户节点与所述预设个数的第一隐藏邻居用户节点之间的第二相似度;以及预测值获取模块,用于根据所述每个用户节点与所述邻居用户节点的第一相似度、所述每个用户节点与所述预设个数的第一隐藏邻居用户节点的第二相似度获取所述每个用户调用Web服务的QoS预测值。
本发明实施例的Web服务的服务质量QoS预测装置,通过构建用户加权相似网络,以及通过在用户加权相似网络中获取隐藏邻居用户,从而提高了对Web服务的QoS预测的精度和成功率。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是根据本发明一个实施例的Web服务的服务质量QoS预测方法的流程图;
图2是根据本发明另一个实施例的Web服务的服务质量QoS预测方法的流程图;
图3(1)是用户与Web服务的调用关系示意图;
图3(2)是用户与其调用的Web服务的QoS监测值(以响应时间值为例)对应关系示意图;
图3(3)是用户加权相似网络示意图;
图4是根据本发明一个实施例的Web服务的服务质量QoS预测装置的结构示意图;
图5是根据本发明另一个实施例的Web服务的服务质量QoS预测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
为了解决Web服务的QoS预测值的精度低、时效性差的问题,本发明提出一种Web服务的服务质量QoS预测方法和装置。下面参考附图描述本发明实施例的Web服务的服务质量QoS预测方法和装置。
图1是根据本发明一个实施例的Web服务的服务质量QoS预测方法的流程图。
如图1所示,根据本发明实施例的Web服务的服务质量QoS预测方法包括下述步骤。
步骤S101,获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值。
在本发明的一个实施例中,用户在调用Web服务时会产生对应的历史调用记录,例如,用户u调用Web服务i时,会产生历史调用记录,历史调用记录包括Web服务标识(例如i)、用户标识(例如u)和QoS监测值。其中,QoS监测值可以包括响应时间、吞吐量和网络带宽等。
步骤S102,根据多个历史调用记录获取每两个用户之间的第一相似度,并根据每两个用户之间的第一相似度创建用户加权相似网络,其中,用户加权相似网络包括多个用户节点,且第一相似度大于0的每两个用户对应的用户节点相连。
在本发明的一个实施例中,在多个历史调用记录中,首先判断每两个用户之间是否存在共同调用过的Web服务。如果存在,则根据共同调用过的Web服务获取两个用户之间的第一相似度;如果不存在,则两个用户之间的相似度为0。然后根据每两个用户之间的第一相似度创建用户加权相似网络,用户加权相似网络包括多个用户节点,每个用户节点对应一个用户,其中,用户加权相似网络的创建方法为:如果两个用户之间的第一相似度大于0,则这两个用户对应的用户节点之间有边关联,且边的权重为这两个用户之间的第一相似度。
步骤S103,判断在用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值。
在本发明的一个实施例中,一个用户节点的邻居用户节点是指在用户加权相似网络中,与该用户节点有边相连的用户节点。在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,首先需要判断用户u是否具有足够数目的邻居用户节点,即比较用户u的邻居用户节点的数目与阈值的大小。其中,阈值的大小可以根据实际情况进行设定。
步骤S104,如果判断小于阈值,则在用户加权相似网络中选取每个用户节点的预设个数的第一隐藏邻居用户节点,并分别获取每个用户节点与预设个数的第一隐藏邻居用户节点之间的第二相似度。
在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,如果用户u的邻居用户节点的数目小于阈值,则说明仅依靠当前数目的邻居用户节点无法对用户u调用Web服务i的QoS值P(ru,i)进行较准确的预测。那么需要在用户加权相似网络中进一步挖掘出用户u的预设个数的隐藏邻居用户节点,其中,用户u的邻居用户节点的数目与隐藏邻居用户节点的数目的总和应等于阈值。
具体地,可以通过网络中的链路预测技术获取用户u的隐藏邻居用户节点,其中,网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。网络中的链路预测主要有三种方法:基于马尔卡夫链、基于网络结构的最大似然估计和基于网络结构相似性。其中,基于网络结构相似性的方法较为简单,复杂度低。在本发明的一个实施例中,所采用的网络中的链路预测方法为基于网络结构相似性的方法。
更具体地,以预测用户u调用Web服务i的QoS值P(ru,i)为例,在用户加权相似网络中,选取与用户u之间没有边连接的用户节点,并分别获取这些用户节点与用户u之间的第二相似度,以用于后续对QoS值P(ru,i)的预测。
步骤S105,根据每个用户节点与邻居用户节点的第一相似度、每个用户节点与预设个数的第一隐藏邻居用户节点的第二相似度获取每个用户调用Web服务的QoS预测值。
在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,在步骤S101-步骤S104中获得了用户u的邻居用户节点和第一隐藏邻居节点,即已经有足够的数目的用户节点来对P(ru,i)进行预测,那么根据用户u对应的用户节点与邻居用户节点的第一相似度、用户u对应的用户节点与预设个数的第一隐藏邻居用户节点的第二相似度可以获取用户u调用Web服务i的QoS预测值P(ru,i)。
本发明实施例的Web服务的服务质量QoS预测方法,通过构建用户加权相似网络,以及通过在用户加权相似网络中获取隐藏邻居用户,从而提高了对Web服务的QoS预测的精度和成功率。
图2是根据本发明一个实施例的Web服务的服务质量QoS预测方法的流程图。
如图2所示,根据本发明实施例的Web服务的服务质量QoS预测方法包括下述步骤。
步骤S201,获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值。
步骤S202,根据多个历史调用记录获取每两个用户之间的第一相似度,并根据每两个用户之间的第一相似度创建用户加权相似网络,其中,用户加权相似网络包括多个用户节点,且第一相似度大于0的每两个用户对应的用户节点相连。
在本发明的一个实施例中,按照下述公式获取每两个用户之间的第一相似度Sim'(a,u),
其中,Ia和Iu分别表示用户a和用户u所调用的Web服务集合,I=Ia∩Iu表示用户a和用户u所调用的Web服务集合的交集,|Ia∩Iu|表示集合I中的元素个数,ra,i表示用户a在调用Web服务i时的QoS监测值,和分别表示用户a和用户u调用Web服务的平均QoS监测值。
步骤S203,判断在用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值。
步骤S204,如果判断小于阈值,则在用户加权相似网络中选取第二隐藏邻居用户节点,并获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度。
在本发明的一个实施例中,可以通过网络中的链路预测技术获取用户的隐藏邻居用户节点,其中,网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。网络中的链路预测主要有三种方法:基于马尔卡夫链、基于网络结构的最大似然估计和基于网络结构相似性。其中,基于网络结构相似性的方法较为简单,复杂度低。在本发明的一个实施例中,所采用的网络中的链路预测方法为基于网络结构相似性的方法。
更具体地,以预测用户u调用Web服务i的QoS值P(ru,i)为例,在用户加权相似网络中,选取与用户u之间没有边连接的用户节点,并分别获取这些用户节点与用户u之间的第二相似度,以用于后续的QoS值预测。
在本发明的一个实施例中,可以按照下述公式获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度,
其中,S1(a,u)表示用户节点a与用户节点u之间的第二相似度,Γ(a)表示用户节点a在用户加权相似网络中的邻居用户节点集合,Γ(u)表示用户节点u在用户加权相似网络中的邻居用户节点集合,Γ(z)表示用户节点a和用户节点u在用户加权相似网络中共有的邻居节点集合,z和c都表示Γ(z)中的元素,α表示相似度权重的控制系数,其取值范围为(0,1],β表示用户u和用户a的地理邻近性,γ表示地理邻近阀值,λ>1。
在本发明的一个实施例中,也可以按照下述公式获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度,
其中,S2(a,u)表示用户节点a与用户节点u之间的第二相似度,Γ(a)表示用户a在用户加权相似网络中的邻居用户节点集合,Γ(u)表示用户u在用户加权相似网络中的邻居用户节点集合,Γ(z)表示用户节点a和用户节点u在用户加权相似网络中共有的邻居节点集合,z和c都表示Γ(z)中的元素,α表示相似度权重的控制系数,其取值范围为(0,1],β表用户u和用户a的地理邻近性,γ表示地理邻近阀值,λ>1。
步骤S205,判断第二隐藏邻居用户节点的数目是否大于阈值与邻居用户节点的数目的差值。
在本发明的一个实施例中,判断第二隐藏邻居用户节点的数目是否大于阈值与邻居用户节点的数目的差值,即判断第二隐藏邻居用户节点的数目与邻居用户节点的数目的总和是否满足获取每个用户调用Web服务的QoS预测值所需的用户节点的数目。
步骤S206,如果大于差值,则根据第二相似度对第二隐藏邻居用户节点进行排序,并根据排序结果选取预设个数的第一隐藏邻居用户节点,其中,预设个数等于阈值与邻居用户节点的数目的差值。
在本发明的一个实施例中,如果第二隐藏邻居用户节点的数目大于阈值与邻居用户节点的数目的差值,则将第二隐藏邻居用户节点按照第二相似度从大到小进行排序,并选取排序序列中前预设个数的用户节点作为第一隐藏邻居用户节点。
步骤S207,根据每个用户节点与邻居用户节点的第一相似度、每个用户节点与预设个数的第一隐藏邻居用户节点的第二相似度获取每个用户调用Web服务的QoS预测值。
在本发明的一个实施例中,如果在步骤S204中采用公式(3)和(4)获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度,则按照下述公式获取每个用户调用Web服务的QoS预测值,
其中,P1(ru,i)表示用户u调用Web服务i的QoS预测值,S(u)表示与用户节点u相连的邻居用户节点集合,k1表示S(u)中的邻居用户节点的个数,Ψ(u)表示用户节点u的第一隐藏邻居用户节点的集合,k2表示Ψ(u)中的第一隐藏邻居用户节点的个数,k2为预设个数,k为阈值,且k1+k2=k。
在本发明的一个实施例中,如果在步骤S204中采用公式(5)和(6)获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度,则按照下述公式获取每个用户调用Web服务的QoS预测值,
其中,P2(ru,i)表示用户u调用Web服务i的QoS预测值,S(u)表示与用户节点u相连的邻居用户节点的集合,S(u)中的邻居用户节点的个数为k1,Ψ(u)表示用户节点u的第一隐藏邻居用户节点的集合,k2表示Ψ(u)中的第一隐藏邻居用户节点的个数,k2为预设个数,k为阈值,且k1+k2=k。
步骤S208,如果判断不小于阈值,则根据与每个用户节点相连的邻居用户节点的第一相似度获取每个用户调用Web服务的QoS预测值。
在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,在步骤S203之后,如果判断不小于阈值,则说明用户u有足够的邻居用户节点,那么可以根据用户u的邻居用户节点的第一相似度获取用户u调用Web服务i的QoS预测值。具体地,将用户u的邻居用户节点按照第一相似度从大到小进行排序,然后从中选出上述阈值数目个(即k个)邻居用户节点,用于获取用户u调用Web服务i的QoS预测值。
在本发明的一个实施例中,按照下述公式获取每个用户调用Web服务的QoS预测值,
其中,P(ru,i)表示用户u调用Web服务i的QoS预测值,ru,i表示用户u在调用Web服务i时的QoS监测值,和分别表示用户a和用户u调用Web服务i的平均QoS监测值,ra,i表示用户a在调用Web服务i时的QoS监测值,Sim'(a,u)表示用户a和用户u之间的第一相似度,S(u)表示与用户节点u相连的邻居用户节点的集合,S(u)中包含k个邻居用户节点,其中k为所述阈值。
本发明实施例的Web服务的服务质量QoS预测方法,当用户的邻居用户节点的数量足够时,直接根据邻居用户节点对用户调用Web服务的QoS进行预测;当用户的邻居用户节点的数量不足时,在用户加权相似网络中获取隐藏邻居用户节点,以通过邻居用户节点和隐藏邻居用户节点对用户调用Web服务的QoS进行预测。从而进一步提高了对Web服务的QoS预测的精度和成功率。
此外,在本发明的一个实施例中,在步骤S205之后,如果判断小于差值,则说明判断第二隐藏邻居用户节点的数目与邻居用户节点的数目的总和,不能满足获取每个用户调用Web服务的QoS预测值所需的用户节点的数目,即预测失败。
下面举例说明本发明实施例的Web服务的服务质量QoS预测方法。如图3(1)-图3(3)所示,有四个用户,分别记为u1、u2、u3、u4,有四个Web服务,分别记为s1、s2、s3、s4。图3(1)所示为用户与Web服务的调用关系示意图,图3(2)所示为用户与其调用的Web服务的QoS监测值(以响应时间值为例)对应关系示意图,图3(3)所示为用户加权相似网络示意图。其中,图3(3)所示的用户加权相似网络是通过图3(1)和图3(2)所示的内容构建的。
例如,下面对用户u1调用Web服务s3的响应时间进行预测。在用户加权相似网络中用户u1的邻居用户节点为u2和u4,但是u2和u4都没有调用过Web服务s3,所以需要通过链路预测找到用户u1的隐藏邻居用户节点。在用户加权相似网络中,与用户u1不相连的用户节点为u3,在此假设α=1,γ=10km,u1和u3之间的距离大于10km,那么β=1,根据公式(1)-(3)可以计算出u1和u3之间的第二相似度:
那么再根据公式(7)可以获得用户u1调用Web服务s3的响应时间的预测值为:
所以,如果用户u1调用Web服务s3,其响应时间的预测值为4.42ms。
为了实现上述实施例,本发明还提出一种Web服务的服务质量QoS预测装置。
图4是根据本发明一个实施例的Web服务的服务质量QoS预测装置的结构示意图。
如图4所示,本发明实施例的Web服务的服务质量QoS预测装置包括:调用记录获取模块100、网络创建模块200、判断模块300、隐藏邻居获取模块400和预测值获取模块500。
其中,获取模块100用于获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值。
在本发明的一个实施例中,用户在调用Web服务时会产生对应的历史调用记录,例如,用户u调用Web服务i时,会产生历史调用记录,历史调用记录包括Web服务标识(例如i)、用户标识(例如u)和QoS监测值。其中,QoS监测值可以包括响应时间、吞吐量和网络带宽等。
网络创建模块200用于根据多个历史调用记录获取每两个用户之间的第一相似度,并根据每两个用户之间的第一相似度创建用户加权相似网络,其中,用户加权相似网络包括多个用户节点,且第一相似度大于0的每两个用户对应的用户节点相连。
在本发明的一个实施例中,在多个历史调用记录中,首先判断每两个用户之间是否存在共同调用过的Web服务。如果存在,则根据共同调用过的Web服务获取两个用户之间的第一相似度;如果不存在,则两个用户之间的相似度为0。然后根据每两个用户之间的第一相似度创建用户加权相似网络,用户加权相似网络包括多个用户节点,每个用户节点对应一个用户,其中,用户加权相似网络的创建方法为:如果两个用户之间的第一相似度大于0,则这两个用户对应的用户节点之间有边关联,且边的权重为这两个用户之间的第一相似度。
判断模块300用于判断在用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值。
在本发明的一个实施例中,一个用户节点的邻居用户节点是指在用户加权相似网络中,与该用户节点有边相连的用户节点。在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,首先需要判断用户u是否具有足够数目的邻居用户节点,即比较用户u的邻居用户节点的数目与阈值的大小。其中,阈值的大小可以根据实际情况进行设定。
隐藏邻居获取模块400用于如果判断小于阈值,则在用户加权相似网络中选取每个用户节点的预设个数的第一隐藏邻居用户节点,并分别获取每个用户节点与预设个数的第一隐藏邻居用户节点之间的第二相似度。
在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,如果用户u的邻居用户节点的数目小于阈值,则说明仅依靠当前数目的邻居用户节点无法对用户u调用Web服务i的QoS值P(ru,i)进行较准确的预测。那么需要在用户加权相似网络中进一步挖掘出用户u的预设个数的隐藏邻居用户节点,其中,用户u的邻居用户节点的数目与隐藏邻居用户节点的数目的总和应等于阈值。
具体地,可以通过网络中的链路预测技术获取用户u的隐藏邻居用户节点,其中,网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。网络中的链路预测主要有三种方法:基于马尔卡夫链、基于网络结构的最大似然估计和基于网络结构相似性。其中,基于网络结构相似性的方法较为简单,复杂度低。在本发明的一个实施例中,所采用的网络中的链路预测方法为基于网络结构相似性的方法。
更具体地,以预测用户u调用Web服务i的QoS值P(ru,i)为例,在用户加权相似网络中,选取与用户u之间没有边连接的用户节点,并分别获取这些用户节点与用户u之间的第二相似度,以用于对QoS值P(ru,i)进行预测。
预测值获取模块500用于根据每个用户节点与邻居用户节点的第一相似度、每个用户节点与预设个数的第一隐藏邻居用户节点的第二相似度获取每个用户调用Web服务的QoS预测值。
在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,已经获得了用户u的邻居用户节点和第一隐藏邻居节点,即已经有足够的数目的用户节点来对P(ru,i)进行预测,那么根据用户u对应的用户节点与邻居用户节点的第一相似度、用户u对应的用户节点与预设个数的第一隐藏邻居用户节点的第二相似度可以获取用户u调用Web服务i的QoS预测值P(ru,i)。
本发明实施例的Web服务的服务质量QoS预测装置,通过构建用户加权相似网络,以及通过在用户加权相似网络中获取隐藏邻居用户,从而提高了对Web服务的QoS预测的精度和成功率。
图5是根据本发明另一个实施例的Web服务的服务质量QoS预测装置的结构示意图。
如图5所示,本发明实施例的Web服务的服务质量QoS预测装置包括:调用记录获取模块100、网络创建模块200、判断模块300、隐藏邻居获取模块400、预测值获取模块500和第二预测值获取模块600,其中隐藏邻居获取模块400包括第二隐藏邻居获取单元410、判断单元420和第一隐藏邻居获取单元430。
获取模块100用于获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值。
网络创建模块200用于根据多个历史调用记录获取每两个用户之间的第一相似度,并根据每两个用户之间的第一相似度创建用户加权相似网络,其中,用户加权相似网络包括多个用户节点,且第一相似度大于0的每两个用户对应的用户节点相连。
在本发明的一个实施例中,可以根据Web服务的QoS预测方法的实施例中的公式(1)和(2)获取每两个用户之间的第一相似度。
判断模块300用于判断在用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值。
隐藏邻居获取模块400用于如果判断小于阈值,则在用户加权相似网络中选取每个用户节点的预设个数的第一隐藏邻居用户节点,并分别获取每个用户节点与预设个数的第一隐藏邻居用户节点之间的第二相似度。
其中,第二隐藏邻居获取单元410用于如果判断小于阈值,则在用户加权相似网络中选取第二隐藏邻居用户节点,并获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度。
在本发明的一个实施例中,可以通过网络中的链路预测技术获取用户的隐藏邻居用户节点,其中,网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。网络中的链路预测主要有三种方法:基于马尔卡夫链、基于网络结构的最大似然估计和基于网络结构相似性。其中,基于网络结构相似性的方法较为简单,复杂度低。在本发明的一个实施例中,所采用的网络中的链路预测方法为基于网络结构相似性的方法。
更具体地,以预测用户u调用Web服务i的QoS值P(ru,i)为例,在用户加权相似网络中,选取与用户u之间没有边连接的用户节点,并分别获取这些用户节点与用户u之间的第二相似度,以用于后续的QoS值预测。
在本发明的一个实施例中,可以根据Web服务的QoS预测方法的实施例中的公式(3)和(4),或者(5)和(6)获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度。
判断单元420用于判断第二隐藏邻居用户节点的数目是否大于阈值与邻居用户节点的数目的差值。
在本发明的一个实施例中,判断第二隐藏邻居用户节点的数目是否大于阈值与邻居用户节点的数目的差值,即判断第二隐藏邻居用户节点的数目与邻居用户节点的数目的总和是否满足获取每个用户调用Web服务的QoS预测值所需的用户节点的数目。
第一隐藏邻居获取单元430用于如果大于差值,则根据第二相似度对第二隐藏邻居用户节点进行排序,并根据排序结果选取预设个数的第一隐藏邻居用户节点,其中,预设个数等于阈值与邻居用户节点的数目的差值。
在本发明的一个实施例中,如果第二隐藏邻居用户节点的数目大于阈值与邻居用户节点的数目的差值,则将第二隐藏邻居用户节点按照第二相似度从大到小进行排序,并选取排序序列中前预设个数的用户节点作为第一隐藏邻居用户节点。
预测值获取模块500用于根据每个用户节点与邻居用户节点的第一相似度、每个用户节点与预设个数的第一隐藏邻居用户节点的第二相似度获取每个用户调用Web服务的QoS预测值。
在本发明的一个实施例中,如果第二隐藏邻居获取单元410采用公式(3)和(4)获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度,那么预测值获取模块500则根据Web服务的QoS预测方法的实施例中的公式(7)获取每个用户调用Web服务的QoS预测值;如果第二隐藏邻居获取单元410采用公式(5)和(6)获取每个用户节点与第二隐藏邻居用户节点之间的第二相似度,那么预测值获取模块500则根据Web服务的QoS预测方法的实施例中的公式(8)获取每个用户调用Web服务的QoS预测值。
第二预测值获取模块600用于判断不小于阈值时,根据与每个用户节点相连的邻居用户节点的第一相似度获取每个用户调用Web服务的QoS预测值。
在本发明的一个实施例中,以预测用户u调用Web服务i的QoS值P(ru,i)为例,如果判断不小于阈值,则说明用户u有足够的邻居用户节点,那么可以根据用户u的邻居用户节点的第一相似度获取用户u调用Web服务i的QoS预测值。具体地,将用户u的邻居用户节点按照第一相似度从大到小进行排序,然后从中选出上述阈值数目个(即k个)邻居用户节点,用于获取用户u调用Web服务i的QoS预测值。
在本发明的一个实施例中,第二预测值获取模块600根据Web服务的QoS预测方法的实施例中的公式(9)获取每个用户调用Web服务的QoS预测值。
本发明实施例的Web服务的服务质量QoS预测装置,当用户的邻居用户节点的数量足够时,直接根据邻居用户节点对用户调用Web服务的QoS进行预测;当用户的邻居用户节点的数量不足时,在用户加权相似网络中获取隐藏邻居用户节点,以通过邻居用户节点和隐藏邻居用户节点对用户调用Web服务的QoS进行预测。从而进一步提高了对Web服务的QoS预测的精度和成功率。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (16)
1.一种Web服务的服务质量QoS预测方法,其特征在于,包括以下步骤:
S1、获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值;
S2、根据所述多个历史调用记录获取每两个用户之间的第一相似度,并根据所述每两个用户之间的第一相似度创建用户加权相似网络,其中,所述用户加权相似网络包括多个用户节点,且所述第一相似度大于0的所述每两个用户对应的用户节点相连;
S3、判断在所述用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值;
S4、如果判断小于所述阈值,则在所述用户加权相似网络中选取第二隐藏邻居用户节点,并获取所述每个用户节点与所述第二隐藏邻居用户节点之间的第二相似度;判断所述第二隐藏邻居用户节点的数目是否大于所述阈值与所述邻居用户节点的数目的差值;以及如果大于所述差值,则根据所述第二相似度对所述第二隐藏邻居用户节点进行排序,并根据排序结果选取所述预设个数的第一隐藏邻居用户节点,其中,所述预设个数等于所述阈值与所述邻居用户节点的数目的差值;以及
S5、根据所述每个用户节点与所述邻居用户节点的第一相似度、所述每个用户节点与所述预设个数的第一隐藏邻居用户节点的第二相似度获取所述每个用户调用Web服务的QoS预测值。
2.根据权利要求1所述的方法,其特征在于,按照下述公式获取所述每两个用户之间的第一相似度Sim'(a,u),
其中,Ia和Iu分别表示用户a和用户u所调用的Web服务集合,I=Ia∩Iu表示所述用户a和所述用户u所调用的Web服务集合的交集,|Ia∩Iu|表示集合I中的元素个数,ra,i表示所述用户a在调用Web服务i时的QoS监测值,和分别表示所述用户a和所述用户u调用Web服务的平均QoS监测值。
3.根据权利要求2所述的方法,其特征在于,在步骤S3之后,还包括:
如果判断不小于所述阈值,则根据所述与每个用户节点相连的邻居用户节点的所述第一相似度获取所述每个用户调用Web服务的QoS预测值。
4.根据权利要求3所述的方法,其特征在于,按照下述公式获取所述每个用户调用Web服务的QoS预测值,
其中,P(ru,i)表示所述用户u调用Web服务i的QoS预测值,ru,i表示所述用户u在调用Web服务i时的QoS监测值,和分别表示所述用户a和所述用户u调用Web服务i的平均QoS监测值,ra,i表示所述用户a在调用Web服务i时的QoS监测值,Sim'(a,u)表示所述用户a和所述用户u之间的第一相似度,S(u)表示与所述用户节点u相连的邻居用户节点的集合,S(u)中包含k个邻居用户节点,其中k为所述阈值。
5.根据权利要求2所述的方法,其特征在于,按照下述公式获取所述每个用户节点与所述第二隐藏邻居用户节点之间的第二相似度,
其中,S1(a,u)表示所述用户节点a与所述用户节点u之间的第二相似度,Γ(a)表示所述用户节点a在所述用户加权相似网络中的邻居用户节点集合,Γ(u)表示所述用户节点u在所述用户加权相似网络中的邻居用户节点集合,Γ(z)表示所述用户节点a和所述用户节点u在所述用户加权相似网络中共有的邻居节点集合,z和c都表示Γ(z)中的元素,α表示相似度权重的控制系数,其取值范围为(0,1],β表示所述用户u和所述用户a的地理邻近性,γ表示地理邻近阀值,λ>1。
6.根据权利要求5所述的方法,其特征在于,按照下述公式获取所述每个用户调用Web服务的QoS预测值,
其中,P1(ru,i)表示所述用户u调用Web服务i的QoS预测值,S(u)表示与所述用户节点u相连的邻居用户节点集合,k1表示S(u)中的邻居用户节点的个数,Ψ(u)表示所述用户节点u的第一隐藏邻居用户节点的集合,k2表示Ψ(u)中的第一隐藏邻居用户节点的个数,k2为所述预设个数,k为所述阈值,且k1+k2=k。
7.根据权利要求2所述的方法,其特征在于,按照下述公式获取所述每个用户节点与所述第二隐藏邻居用户节点之间的第二相似度,
其中,S2(a,u)表示所述用户节点a与所述用户节点u之间的第二相似度,Γ(a)表示所述用户a在所述用户加权相似网络中的邻居用户节点集合,Γ(u)表示所述用户u在所述用户加权相似网络中的邻居用户节点集合,Γ(z)表示所述用户节点a和所述用户节点u在所述用户加权相似网络中共有的邻居节点集合,z和c都表示Γ(z)中的元素,α表示相似度权重的控制系数,其取值范围为(0,1],β表所述用户u和所述用户a的地理邻近性,γ表示地理邻近阀值,λ>1。
8.根据权利要求7所述的方法,其特征在于,按照下述公式获取所述每个用户调用Web服务的QoS预测值,
其中,P2(ru,i)表示所述用户u调用Web服务i的QoS预测值,S(u)表示与所述用户节点u相连的邻居用户节点的集合,S(u)中的邻居用户节点的个数为k1,Ψ(u)表示所述用户节点u的第一隐藏邻居用户节点的集合,k2表示Ψ(u)中的第一隐藏邻居用户节点的个数,k2为所述预设个数,k为所述阈值,且k1+k2=k。
9.一种Web服务的服务质量QoS预测装置,其特征在于,包括:
调用记录获取模块,用于获取Web服务的多个历史调用记录,其中,每个历史调用记录包括Web服务标识、用户标识和QoS监测值;
网络创建模块,用于根据所述多个历史调用记录获取每两个用户之间的第一相似度,并根据所述每两个用户之间的第一相似度创建用户加权相似网络,其中,所述用户加权相似网络包括多个用户节点,且所述第一相似度大于0的所述每两个用户对应的用户节点相连;
判断模块,用于判断在所述用户加权相似网络中与每个用户节点相连的邻居用户节点的数目是否小于阈值;
隐藏邻居获取模块,所述隐藏邻居获取模块包括:第二隐藏邻居获取单元,用于如果判断小于所述阈值,则在所述用户加权相似网络中选取第二隐藏邻居用户节点,并获取所述每个用户节点与所述第二隐藏邻居用户节点之间的第二相似度;判断单元,用于判断所述第二隐藏邻居用户节点的数目是否大于所述阈值与所述邻居用户节点的数目的差值;以及第一隐藏邻居获取单元,用于如果大于所述差值,则根据所述第二相似度 对所述第二隐藏邻居用户节点进行排序,并根据排序结果选取所述预设个数的第一隐藏邻居用户节点,其中,所述预设个数等于所述阈值与所述邻居用户节点的数目的差值;以及
预测值获取模块,用于根据所述每个用户节点与所述邻居用户节点的第一相似度、所述每个用户节点与所述预设个数的第一隐藏邻居用户节点的第二相似度获取所述每个用户调用Web服务的QoS预测值。
10.根据权利要求9所述的装置,其特征在于,按照下述公式获取所述每两个用户之间的第一相似度Sim'(a,u),
其中,Ia和Iu分别表示用户a和用户u所调用的Web服务集合,I=Ia∩Iu表示所述用户a和所述用户u所调用的Web服务集合的交集,|Ia∩Iu|表示集合I中的元素个数,ra,i表示所述用户a在调用Web服务i时的QoS监测值,和分别表示所述用户a和所述用户u调用Web服务的平均QoS监测值。
11.根据权利要求10所述的装置,其特征在于,还包括:
第二预测值获取模块,用于判断不小于所述阈值时,根据所述与每个用户节点相连的邻居用户节点的所述第一相似度获取所述每个用户调用Web服务的QoS预测值。
12.根据权利要求11所述的装置,其特征在于,按照下述公式获取所述每个用户调用Web服务的QoS预测值,
其中,P(ru,i)表示所述用户u调用Web服务i的QoS预测值,ru,i表示所述用户u在调用Web服务i时的QoS监测值,和分别表示所述用户a和所述用户u调用Web服务i的平均QoS监测值,ra,i表示所述用户a在调用Web服务i时的史QoS监测值,Sim'(a,u)表示所述用户a和所述用户u之间的第一相似度,S(u)表示与所述用户节点u相连的邻居用户节点的集合,S(u)中包含k个邻居用户节点,其中k为所述阈值。
13.根据权利要求10所述的装置,其特征在于,按照下述公式获取所述每个用户节点与所述第二隐藏邻居用户节点之间的第二相似度,
其中,S1(a,u)表示所述用户节点a与所述用户节点u之间的第二相似度,Γ(a)表示所述用户节点a在所述用户加权相似网络中的邻居用户节点集合,Γ(u)表示所述用户节点u在所述用户加权相似网络中的邻居用户节点集合,Γ(z)表示所述用户节点a和所述用户节点u在所述用户加权相似网络中共有的邻居节点集合,z和c都表示Γ(z)中的元素,α表示相似度权重的控制系数,其取值范围为(0,1],β表示所述用户u和所述用户a的地理邻近性,γ表示地理邻近阀值,λ>1。
14.根据权利要求13所述的装置,其特征在于,按照下述公式获取所述每个用户调用Web服务的QoS预测值,
其中,P1(ru,i)表示所述用户u调用Web服务i的QoS预测值,S(u)表示与所述用户节点u相连的邻居用户节点集合,k1表示S(u)中的邻居用户节点的个数,Ψ(u)表示所述用户节点u的第一隐藏邻居用户节点的集合,k2表示Ψ(u)中的第一隐藏邻居用户节点的个数,k2为所述预设个数,k为所述阈值,且k1+k2=k。
15.根据权利要求10所述的装置,其特征在于,按照下述公式获取所述每个用户节点与所述第二隐藏邻居用户节点之间的第二相似度,
其中,S2(a,u)表示所述用户节点a与所述用户节点u之间的第二相似度,Γ(a)表示所述用户a在所述用户加权相似网络中的邻居用户节点集合,Γ(u)表示所述用户u在所述用户加权相似网络中的邻居用户节点集合,z表示,Γ(z)表示所述用户节点a和所述用户节点u在所述用户加权相似网络中共有的邻居节点集合,z和c都表示Γ(z)中的元素,α表示相似度权重的控制系数,其取值范围为(0,1],β表所述用户u和所述用户a的地理邻近性,γ表示地理邻近阀值,λ>1。
16.根据权利要求15所述的装置,其特征在于,按照下述公式获取所述每个用户调用Web服务的QoS预测值,
其中,P2(ru,i)表示所述用户u调用Web服务i的QoS预测值,S(u)表示与所述用户节点u相连的邻居用户节点的集合,S(u)中的邻居用户节点的个数为k1,Ψ(u)表示所述用户节点u的第一隐藏邻居用户节点的集合,k2表示Ψ(u)中的第一隐藏邻居用户节点的个数,k2为所述预设个数,k为所述阈值,且k1+k2=k。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310722360.8A CN103647673B (zh) | 2013-12-24 | 2013-12-24 | Web服务的服务质量QoS预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310722360.8A CN103647673B (zh) | 2013-12-24 | 2013-12-24 | Web服务的服务质量QoS预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103647673A CN103647673A (zh) | 2014-03-19 |
CN103647673B true CN103647673B (zh) | 2017-03-15 |
Family
ID=50252834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310722360.8A Active CN103647673B (zh) | 2013-12-24 | 2013-12-24 | Web服务的服务质量QoS预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103647673B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270281B (zh) * | 2014-09-03 | 2017-09-19 | 河海大学 | 一种Web Service QoS组合预测方法 |
CN105991719B (zh) * | 2015-02-13 | 2020-01-24 | 中国移动通信集团重庆有限公司 | 一种互联网服务成功执行率的预测方法及装置 |
CN104917647A (zh) * | 2015-04-21 | 2015-09-16 | 中国科学院声学研究所 | 基于协同过滤的Web服务质量预测方法 |
CN105071961B (zh) * | 2015-07-30 | 2018-12-14 | 中国人民解放军信息工程大学 | 一种Web服务的服务质量预测方法和装置 |
CN105337774A (zh) * | 2015-11-19 | 2016-02-17 | 浙江工商大学 | 一种基于服务组合骨干网加权k核分析的服务推荐方法 |
CN105553729B (zh) * | 2015-12-18 | 2018-09-28 | 浙江工商大学 | 一种基于加权hg指数的开放API服务重要性度量方法 |
CN106027317B (zh) * | 2016-07-21 | 2018-12-14 | 中国人民解放军海军工程大学 | 信任感知的Web服务质量预测系统及方法 |
CN108769107B (zh) * | 2018-04-12 | 2021-11-26 | 北京奇艺世纪科技有限公司 | 一种视频调度方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170449A (zh) * | 2011-04-28 | 2011-08-31 | 浙江大学 | 一种基于协同过滤的Web服务QoS预测方法 |
CN102629341A (zh) * | 2012-04-13 | 2012-08-08 | 浙江大学 | 一种基于用户地理位置信息的Web服务QoS在线预测方法 |
-
2013
- 2013-12-24 CN CN201310722360.8A patent/CN103647673B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170449A (zh) * | 2011-04-28 | 2011-08-31 | 浙江大学 | 一种基于协同过滤的Web服务QoS预测方法 |
CN102629341A (zh) * | 2012-04-13 | 2012-08-08 | 浙江大学 | 一种基于用户地理位置信息的Web服务QoS在线预测方法 |
Non-Patent Citations (2)
Title |
---|
"QoS-aware Web service recommendation by collaborative filtering";Zheng Z B,Ma H,etc.;《IEEE Transactions on Services Computing》;20110630;第4卷(第2期);正文第2-4部分,图1 * |
"Link prediction in weighted networks: The role of weak ties";Linyuan Lv,Tao Zhou;《EPL》;20100131(第89期);第18001-p2页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103647673A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103647673B (zh) | Web服务的服务质量QoS预测方法和装置 | |
Karthikeyan et al. | A hybrid discrete firefly algorithm for multi-objective flexible job shop scheduling problem with limited resource constraints | |
Bastug et al. | Living on the edge: The role of proactive caching in 5G wireless networks | |
CN105898762B (zh) | 基站优化及部署方法和装置 | |
US20180176103A1 (en) | Cooperative coverage method of information perception for distributed network | |
Zhao et al. | Learning sequential distribution system restoration via graph-reinforcement learning | |
CN102149171B (zh) | 一种基于融合的异构无线接入网络的网络选择方法及装置 | |
CN105472660B (zh) | 一种负载均衡方法、网络设备及系统 | |
Zhang et al. | Comparing the performance of metaheuristics for the analysis of multi-stakeholder tradeoffs in requirements optimisation | |
WO2011149403A1 (en) | Classification of network users based on corresponding social network behavior | |
CN105491611B (zh) | 无线网络切换方法和系统 | |
CN107798027A (zh) | 一种信息热度预测方法、信息推荐方法及装置 | |
CN109783757A (zh) | 渲染网页的方法及装置、系统、存储介质、电子装置 | |
Skondras et al. | An analytic network process and trapezoidal interval‐valued fuzzy technique for order preference by similarity to ideal solution network access selection method | |
Alsuhli et al. | Mobility load management in cellular networks: A deep reinforcement learning approach | |
Bendaoud et al. | Network selection in wireless heterogeneous networks: A survey | |
Mullany et al. | Self-deployment, self-configuration: Critical future paradigms for wireless access networks | |
CN112800345B (zh) | 一种社区角色感知的用户需求主动预测方法及系统 | |
CN115967951A (zh) | 一种优化网络容量的方法、装置及系统 | |
Didwania et al. | A comparative study of various community detection algorithms in the mobile social network | |
CN104283934B (zh) | 一种基于可靠性预测的web服务推送方法、装置及服务器 | |
CN107659982B (zh) | 一种无线网络接入点的分类方法及装置 | |
Bunyakitanon et al. | HELICON: Orchestrating low-latent & load-balanced virtual network functions | |
Wojewnik et al. | Social-network influence on telecommunication customer attrition | |
CN104754617B (zh) | 一种无线网络的优化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |