張雪潔,王志堅,張偉建

(1. 河海大學(xué)計算機與信息學(xué)院,江蘇 南京　210098; 2. 南京航空航天大學(xué)計算機科學(xué)與技術(shù)學(xué)院,江蘇 南京　210016;3. 河海大學(xué)遠程與繼續(xù)教育學(xué)院,江蘇 南京　210098)

?

云計算中服務(wù)質(zhì)量預(yù)測數(shù)據(jù)的信心建模

張雪潔1, 2,王志堅1,張偉建3

(1. 河海大學(xué)計算機與信息學(xué)院,江蘇 南京210098; 2. 南京航空航天大學(xué)計算機科學(xué)與技術(shù)學(xué)院,江蘇 南京210016;3. 河海大學(xué)遠程與繼續(xù)教育學(xué)院,江蘇 南京210098)

摘要：為處理服務(wù)質(zhì)量(quality of service,QoS)預(yù)測所用數(shù)據(jù)的不確定性,增加預(yù)測結(jié)果的信心值,使預(yù)測的QoS值更可信,建立了量化QoS預(yù)測中信心的概率模型。構(gòu)建模型過程中,考慮了預(yù)測所用的QoS數(shù)據(jù)項數(shù)量、數(shù)據(jù)的波動情況(數(shù)據(jù)偏差)以及數(shù)據(jù)隨時間的衰減情況。數(shù)據(jù)項數(shù)量表明參與預(yù)測的數(shù)據(jù)多少對預(yù)測結(jié)果可信度的影響程度;數(shù)據(jù)偏差表明服務(wù)的實際QoS值和預(yù)期值的一致程度;數(shù)據(jù)衰減程度表明隨時間變化,數(shù)據(jù)對預(yù)測結(jié)果的影響程度。仿真試驗表明,該信心模型能夠準確有效地幫助用戶選擇滿足其需求的服務(wù)。

關(guān)鍵詞：云計算；QoS預(yù)測;信心建模;數(shù)據(jù)量;數(shù)據(jù)波動;數(shù)據(jù)衰減;服務(wù)選擇

服務(wù)質(zhì)量(quality of service,QoS)預(yù)測可以廣義地描述為使用服務(wù)的歷史數(shù)據(jù)確定用戶從提供商獲得的可能的服務(wù)質(zhì)量。隨著云計算的廣泛應(yīng)用,網(wǎng)絡(luò)上功能相同的服務(wù)越來越多,想用這些服務(wù)的用戶希望用到質(zhì)量最好、最符合自己需求的服務(wù)。對用戶來說,評估所有服務(wù)是不現(xiàn)實的,所以需要借助預(yù)測QoS的技術(shù)和工具,預(yù)測QoS的能力就顯得尤為重要。

在云計算環(huán)境中,由于受網(wǎng)絡(luò)擁堵、資源限制或質(zhì)量管理水平等因素的影響[1-4],服務(wù)提供商的行為不總是期望的那么穩(wěn)定,所以預(yù)測的性能就會有波動。這些不確定性引起的服務(wù)性能的變化會反映在收集的QoS數(shù)據(jù)中。根據(jù)變化很大的數(shù)據(jù)預(yù)測QoS很可能是不可靠的,而根據(jù)少量數(shù)據(jù)預(yù)測QoS也不可信。此外,數(shù)據(jù)收集的時間因素也會影響預(yù)測的可信度,根據(jù)新近數(shù)據(jù)預(yù)測的結(jié)果更有說服力。所以,需要對QoS預(yù)測結(jié)果附加一個信心值,這樣預(yù)測的QoS更可信,能為用戶選擇服務(wù)提供更可靠的指示。

為了量化QoS預(yù)測中的信心,筆者建立了考慮3個可靠性度量的信心模型,并展示信心模型能夠有效幫助用戶根據(jù)他們的期望選擇服務(wù)。3個可靠性度量為：(a)預(yù)測中需要用到的所有QoS數(shù)據(jù)項數(shù)量;(b)數(shù)據(jù)項中數(shù)據(jù)值的變化情況;(c)數(shù)據(jù)隨時間的衰減情況。

1信心模型相關(guān)工作

目前,許多信心模型已被提出,特別是在信任和信譽系統(tǒng),這些模型的主要目標是在QoS預(yù)測時處理用戶行為的一些不確定性。Sabater 等[5]介紹了2種方法(評價的數(shù)量、評價值的偏差)用于計算信任值的可靠性,這2種方法得到了Keung等[6]、Huynh等[7]、Dossari等[8]的認同。Mui等[9]用Chernoff范圍確定獲得某一等級的信心需要的最小樣本大小,Zhang等[10]用該方法計算代理的經(jīng)驗是否足夠可靠,即經(jīng)驗的可靠程度,代理經(jīng)驗由樣本大小度量。上述研究已表明在產(chǎn)生信心值時考慮數(shù)據(jù)特征的重要性,而數(shù)據(jù)特征由數(shù)據(jù)項數(shù)量和數(shù)值的偏差來度量。但上述信心模型不能直接應(yīng)用到筆者的工作中,原因有2個:(a)這些模型主要是針對離散數(shù)據(jù),而本文處理的是連續(xù)數(shù)據(jù),即監(jiān)測數(shù)據(jù);(b)預(yù)測結(jié)果的可靠性是“靜止地”推導(dǎo)出來的,忽略了用戶的期望,而期望對個性化預(yù)測很重要,是選擇滿足用戶需求服務(wù)的不可少因素。

為確定一個指定服務(wù)的預(yù)測是否可信，必須根據(jù)用戶需要的質(zhì)量“動態(tài)地”做出預(yù)測。為此,筆者提出一個考慮預(yù)測數(shù)據(jù)的大小、數(shù)據(jù)的波動以及數(shù)據(jù)隨時間衰減的信心模型。這樣,可以“動態(tài)地”推斷出預(yù)測結(jié)果的可信度。該模型能適當?shù)馗倪M已有模型的不足,有效處理QoS預(yù)測中存在的一些不確定性。

2信心模型的建立

基于Huynh等[7]、 Zhang等[10]的研究,本文信心模型用3個度量(數(shù)據(jù)大小、數(shù)據(jù)偏差和數(shù)據(jù)衰減程度)計算對某個QoS屬性預(yù)測的信心。數(shù)據(jù)大小表明用于預(yù)測的數(shù)據(jù)集支持QoS預(yù)測方法進行預(yù)測的強度,即參與預(yù)測的數(shù)據(jù)多少對預(yù)測結(jié)果可信度的影響程度。數(shù)據(jù)偏差表明服務(wù)的實際QoS值和預(yù)期值的一致程度。數(shù)據(jù)衰減程度表明隨時間變化,數(shù)據(jù)對預(yù)測結(jié)果的影響程度。

2.1　數(shù)據(jù)大小度量

數(shù)據(jù)大小度量是基于預(yù)測時所用數(shù)據(jù)項數(shù)量進行的。預(yù)測時所用的每個數(shù)據(jù)項都是一個服務(wù)過去服務(wù)質(zhì)量的證據(jù)。擁有證據(jù)越多,對評估的信心越高,即隨著數(shù)據(jù)項數(shù)量的增加,可信度增加。本文采用式(1)形式化表示度量方法,根據(jù)數(shù)據(jù)項數(shù)量計算得到可信度,式(1)表明隨著數(shù)據(jù)項數(shù)量n的增加,可靠程度增加,直到達到定義的閾值(需要的最小數(shù)據(jù)項數(shù)量)m:

(1)

其中

式中:Cω——數(shù)據(jù)規(guī)模的度量值(當n從0增加到m時其從0增加到1,當n超過m時其值保持1，m根據(jù)邊界定理[9]計算得到);ε——用戶可以接受的最大誤差等級;λ——需要的信心等級。

λ越大,ε越小,m值越大,說明需要的數(shù)據(jù)項數(shù)量越多。例如,如果設(shè)λ=0.99、ε=0.1,則需要的最小數(shù)據(jù)項數(shù)m=1 060,這意味著要對預(yù)測結(jié)果有信心,就要盡可能多地使用QoS數(shù)據(jù)項記錄。

2.2　數(shù)據(jù)偏差度量

數(shù)據(jù)偏差度量是基于預(yù)測中所用數(shù)據(jù)的變化進行的。服務(wù)選擇是根據(jù)歷史性能數(shù)據(jù)預(yù)測出的QoS值來決定的,選擇用于預(yù)測的數(shù)據(jù)時考慮數(shù)據(jù)的偏差很重要。因為分布不同的數(shù)據(jù)可能計算得到同樣的平均值,但它們變化不同,如,一個服務(wù)的某個QoS屬性值(如,響應(yīng)時間)變化比較大,另一個服務(wù)的響應(yīng)時間相對穩(wěn)定,但二者的平均值可能相同。而數(shù)據(jù)變化越大,計算出的平均值越不可靠,也就是說,根據(jù)波動大的數(shù)據(jù)預(yù)測出的結(jié)果可靠性低。

為計算可靠性,筆者把服務(wù)提供的QoS值看作伯努利(Bernoulli)試驗集合,交付結(jié)果分為:成功的交付(交付的服務(wù)滿足用戶需求的質(zhì)量)或不成功的交付(不能交付滿足用戶需求質(zhì)量的服務(wù)),然后用Beta分布建模[11-12]:

(2)

其中

α=s+1β=f+1

式中:Cθ——數(shù)據(jù)偏差的度量值;s——監(jiān)測的成功交付的服務(wù)數(shù)量;f——不成功的服務(wù)數(shù)量。

根據(jù)拉普拉斯繼承規(guī)則[13],α和β的比率可以確定[0,1]區(qū)間的分布峰值,α越大分布模式越接近1。

采用式(3)來判斷一個服務(wù)對一個QoS屬性的歷史交付是否成功:

(3)

式中:S(Ai)——記錄一個服務(wù)提供的服務(wù)質(zhì)量是否滿足用戶需求的參數(shù)；d(Ai)——QoS數(shù)據(jù)集D中服務(wù)屬性Ai的質(zhì)量值,是監(jiān)測到的服務(wù)實際提供的質(zhì)量值;pi——對QoS屬性Ai預(yù)測的結(jié)果,根據(jù)用戶需求計算得到;θ——用戶可接受的質(zhì)量等級波動值。

如果d(Ai)在pi指定范圍內(nèi),則認為是成功的交付,記S(Ai)=1；否則,認為不成功,記S(Ai)=0。范圍[pi-θ,pi+θ]稱為信心范圍?；谑?3)可得

(4)

選擇不同的θ對Cθ有直接影響,同樣的數(shù)據(jù)大小,θ值越大,則會產(chǎn)生更多認為是成功的交付,因此對QoS預(yù)測結(jié)果的信心越大、Cθ值越大。所以,用戶接受服務(wù)提供商提供的服務(wù)QoS值波動大時要選擇大的ε值。

與已有方法[9-12]相比,筆者提出的信心模型中一個服務(wù)是否交付成功是動態(tài)確定的,因為pi是根據(jù)用戶需求計算的,所以d(Ai)是否在信心范圍內(nèi)受用戶需求的影響,也就是說,判斷一個服務(wù)是否成功是由用戶的需求影響的。例如,設(shè)θ=0.1,假設(shè)服務(wù)的交付值和需求的質(zhì)量等級足夠近才算滿足用戶需求,即[pi-θ,pi+θ]是一個小范圍。如果一個服務(wù)S對屬性Ai的交付質(zhì)量是0.5,那么對于對Ai的期望是0.5的用戶是成功的,但對于需求是0.9的用戶就是不成功的。

2.3　數(shù)據(jù)衰減度量

監(jiān)測的QoS數(shù)據(jù)在時間上是連續(xù)的,數(shù)據(jù)中包含的用于預(yù)測的信息會隨著時間的推移而發(fā)生變化。在實際應(yīng)用中,距離預(yù)測時間點最近的數(shù)據(jù)所蘊含的信息往往要比歷史數(shù)據(jù)有價值。因此,根據(jù)不同時間段的數(shù)據(jù)預(yù)測出的結(jié)果其可靠性不同。為此,對預(yù)測所用數(shù)據(jù)在預(yù)測中的權(quán)重進行度量,為預(yù)測的可信度做出指示。

應(yīng)用時間衰減函數(shù) (time decay function,TDF)來度量逐步衰減的數(shù)據(jù)對預(yù)測的支持程度[14-15]。監(jiān)測的QoS數(shù)據(jù)對預(yù)測的支持度隨時間t逐步衰減,衰減函數(shù)為

(5)

式中:t——預(yù)測時間點與數(shù)據(jù)監(jiān)測時間點的時間差;μ——數(shù)據(jù)在一個時間單元內(nèi)的衰減比率,即衰減因子。

μ是算法中的重要參數(shù),它反映了歷史數(shù)據(jù)對預(yù)測結(jié)果的影響程度,有助于提高預(yù)測結(jié)果的可信度。當μ減小時,衰減速度變慢,同一時間點的QoS數(shù)據(jù)對預(yù)測結(jié)果的影響程度也相應(yīng)提高。如果μ太小,數(shù)據(jù)衰減不明顯,數(shù)據(jù)衰減對預(yù)測的影響就很小,即久遠的數(shù)據(jù)和新近的數(shù)據(jù)效果差不多,所以μ太小不會影響預(yù)測結(jié)果的可信度。μ太大,數(shù)據(jù)對預(yù)測的影響迅速衰減,同樣會影響預(yù)測結(jié)果的可靠性。所以,應(yīng)該在取值范圍內(nèi)盡可能大地設(shè)置μ。

設(shè)用戶預(yù)測所用的最少數(shù)據(jù)項數(shù)量為m,第m個數(shù)據(jù)的記錄時間和預(yù)測時間差記為tm,用戶所能接受的最小衰減值為fmin,理想狀態(tài)這個值出現(xiàn)在第m個數(shù)據(jù),那么fmin=2-μtm,即fmin≤f(t)≤1。所以,μ的取值范圍為

(6)

總的數(shù)據(jù)衰減度量值為

(7)

式中:N(ti)——預(yù)測數(shù)據(jù)中距離預(yù)測時間點ti時間的數(shù)據(jù)項數(shù)量。

2.4　總體信心值

數(shù)據(jù)規(guī)模度量Cω表示QoS預(yù)測值受數(shù)據(jù)集支持的程度,數(shù)據(jù)偏差度量Cθ表示監(jiān)測的服務(wù)QoS值和平均值的一致程度,數(shù)據(jù)衰減度量Cf表示服務(wù)的QoS值隨時間的衰減程度。根據(jù)這3個度量,計算總的信心值為

(8)

3仿 真 試 驗

試驗的目的是驗證信心模型是否有助于提高服務(wù)選擇的準確性。

3.1　試驗數(shù)據(jù)

試驗?zāi)M6個服務(wù):S1、S2、S3、S4、S5和S6,6個服務(wù)的測試數(shù)據(jù)見表1,數(shù)據(jù)分布如圖1所示。6個服務(wù)的QoS值的模擬值為正態(tài)分布,平均值相同,都為0.5,但數(shù)據(jù)的大小、數(shù)據(jù)的波動(受標準偏差σ控制)和數(shù)據(jù)收集的時間跨度不同。創(chuàng)建的6個服務(wù)模擬了服務(wù)的不同行為。

表1　6個服務(wù)的測試數(shù)據(jù)Table 1　Test data of six services

圖1　服務(wù)數(shù)據(jù)分布Fig. 1　Distribution of services data

3.2　信心在服務(wù)選擇中的作用

QoS預(yù)測的目的是幫助用戶選擇滿足他們需求的服務(wù)。利用信心模型情況下的服務(wù)選擇情況來驗證本文提出的信心模型是否能提高服務(wù)選擇的準確性。本文提出的信心模型可以和任意QoS預(yù)測方法結(jié)合,幫助提高預(yù)測的可靠度。

圖2為不考慮信心模型情況下的服務(wù)選擇。由于6個服務(wù)的歷史QoS數(shù)據(jù)的平均相似,預(yù)測的QoS值也相似,所以對服務(wù)做出隨機選擇。雖然S1偏離服務(wù)的需求等級很多,但被選擇了3次,有33.3%的時間選擇它,大于平均時間。而和用戶需求最一致的服務(wù)S2只被選擇1次。

圖2　有無信心模型的服務(wù)選擇比較Fig. 2　Comparison between service selections with and without confidence model

考慮信心模型的方法剛開始數(shù)據(jù)量小的時候在服務(wù)S4和S6之間隨機選擇,之后一直穩(wěn)定地選擇服務(wù)S2。由式(8)分別計算6個服務(wù)的信心值, 6個服務(wù)信心值隨時間/QoS數(shù)據(jù)量的變化情況如圖3所示。從圖3可知服務(wù)的行為表現(xiàn)可以分為2個階段,第一階段(時間在0～500 s之間),S2、S4、S5和S6的行為一直很接近,它們的預(yù)測信心值也比較接近,所以QoS預(yù)測方法選擇有更高信心值的服務(wù)。第二階段(時間在500 ～1 000 s之間), S4、S5和S6的預(yù)測信心值開始下降或保持不變。S5和S6用于預(yù)測的數(shù)據(jù)量比較少,沒有更多的數(shù)據(jù)用于預(yù)測,所以預(yù)測信心值不會增加。S5的數(shù)據(jù)跨度比較大,所以數(shù)據(jù)衰減比較大,其預(yù)測的信心值開始下降。S4在這個階段用于預(yù)測的數(shù)據(jù)波動比較大,所以預(yù)測的信心值較上一個階段急速下降,之后穩(wěn)定在0.25左右。只有S2的預(yù)測信心值一直穩(wěn)步上升,所以將選擇S2。

圖3　6個服務(wù)的信心值Fig. 3　Confidence values of six services

與不考慮信心的試驗相比,這里一直沒有選擇S1、S3和S5。因為S1的QoS值一直比較波動,意味著S1的QoS平均值不太可靠。S3在第一階段的波動比較大,S5的數(shù)據(jù)衰減一直比較大,所以都沒有被選擇。試驗表明，在云計算環(huán)境中把信心作為QoS預(yù)測的一部分,能更好地幫助用戶選擇滿足其需求的服務(wù)。

4結(jié)語

為量化QoS預(yù)測中的信心,提出了一個概率模型,該模型集成了3個可靠性度量:預(yù)測中所用QoS數(shù)據(jù)項的數(shù)量、數(shù)據(jù)偏差和數(shù)據(jù)衰減。該模型中,數(shù)據(jù)大小度量表明數(shù)據(jù)集或過去的證據(jù)對QoS預(yù)測方法推導(dǎo)出預(yù)測的支持程度,數(shù)據(jù)偏差度量表明監(jiān)測的服務(wù)QoS值和平均值的一致程度,數(shù)據(jù)衰減度量表明服務(wù)的QoS值隨時間的衰減程度。最后,通過試驗驗證了在預(yù)測過程增加信心模型能夠更準確地選擇滿足用戶需求的服務(wù),增加用戶的總體效用。目前的信心模型中只考慮了監(jiān)測的QoS數(shù)據(jù),接下來可以進一步擴展模型,加入預(yù)測服務(wù)時考慮的其他因素,如服務(wù)提供商的信譽等。此外,還可以利用衰減函數(shù)去度量隨時間推移服務(wù)提供商的行為變化。

參考文獻：

[1] SAHAI A, OUYANG J, MACHIRAJU V, et al. Specifying and guaranteeing quality of service for web services through real time measurement and adaptive control [R]. Palo-Alto: EServices. Software Research Department, HP Laboratories, 2001.

[2] KIM D, LEE S, HAN S, et al. Improving web services performance using priority allocation method[C]//Anonymous. Proceedings of International Conference on Next Generation Web Services Practices. Los Alamitos: IEEE Computer Society, 2005: 201-206.

[3] JURETA I J, HERSSENS C, Stéphane F, et al. A comprehensive quality model for service-oriented systems [J]. Software Quality Journal, 2009, 17: 65-98.

[4] WOHLSTA E, TAI S, Mikalsen T,et al. Glueqos: middleware to sweeten quality-of-service policy interactions[C]//Anonymous. Proceedings of the 26th International Conference on Software Engineering. Washington DC: IEEE Computer Society, 2004:189-199.

[5] SABATER J, SIERRA C. REGRET: reputation in gregarious societies[C]//Anonymous. 5th International Conference on Autonomous Agents and Multiagent systems. Hakodate: ACM Press, 2006: 194-195.

[6] KEUNG S N L C, GRIFFITHS N. Using recency and relevance to assess trust and reputation[C]//Anonymous. Proceedings of AISB 2008 Symposium on Behaviour Regulation in Multi-agent Systems. Aberdeen: The Society for the Study of Artificial Intelligence, 2008:13-18.

[7] HUYNH T D, JENNINGS N R, SHADBOLT N. R fire: an integrated trust and reputation model for open multi-agent systems [C]//Anonymous.16th European Conference on Artificial Intelligence, Valencia: IOS Press, 2004: 18-22.

[8] DOSSARI A H, SHAO, J H. Modelling confidence for quality of service assessment in cloud computing [C]//Anonymous. Proceedings of CONF-IRM. Natal: Berkeley Electronic Press, 2013: 48-59.

[9] MUI L, MOHTASHEMI M, HALBERSTADT A. A Computational model of trust and reputation[C]//Anonymous.35th Annual Hawaii International Conference on System Sciences. Hawaii: IEEE Computer Society, 2002: 2431-2439.

[10] ZHANG J, COHEN R. A personalized approach to address unfair ratings in multiagent reputation systems[C]//Anonymous. AAMAS Workshop on Trust in Agent Societies. Hakodate:Springer. 2006: 89-98.

[11] TEACY W T L, PATEL J, JENNINGS N R, et.al. Coping with inaccurate reputation sources: experimental analysis of a probabilistic trust model[C]//Anonymous. 4th International Joint Conference on Autonomous Agents and Multiagent Systems. Utrecht: Association for Computing Machinery, 2005: 25-32.

[12] SANG A J, ISMAIL R. The Beta Reputation System[R]. Brisbane: Queensland University of Technology, 2002.

[13] RISTAD E S. A natural law of succession: Research Report CS-TR-495-95[R]. Princeton: Princeton University, 1995.

[14] 李國徽,陳輝. 挖掘數(shù)據(jù)流任意滑動時間窗口內(nèi)頻繁模式[J]. 軟件學(xué)報,2008, 19(10): 2585-2596. (LI Guohui, CHEN Hui. Mining the frequent patterns in an arbitrary sliding window over online data streams[J]. Journal of Software, 2008, 19(10): 2585-2596. (in Chinese))

[15] 吳楓, 仲研, 吳泉源. 基于時間衰減模型的數(shù)據(jù)流頻繁模式挖掘[J]. 自動化學(xué)報, 2010, 36(5): 674-684. (WU Feng, ZHONG Yan, WU Quanyuan. Mining frequent patterns over data stream under the time decaying model[J]. Acta Automatica Sinica, 2010, 36(5): 674-684. (in Chinese))

·簡訊·

河海大學(xué)杰出校友陸佑楣院士獲世界工程組織聯(lián)合會優(yōu)秀工程獎獎?wù)?/p>

近日，在世界工程組織聯(lián)合會(WFEO)舉辦的2015年世界工程師大會(WEC 2015)上，河海大學(xué)杰出校友、我國著名的水利水電工程專家、中國大壩協(xié)會榮譽理事長、河海大學(xué)博士生導(dǎo)師陸佑楣院士被授予優(yōu)秀工程獎(Medal of Engineering Excellence)獎?wù)?。這是中國專家首次獲此殊榮。

優(yōu)秀工程獎又稱工程成就獎(the Engineering Achievement Award)，由世界工程組織聯(lián)合會設(shè)置于1989年，每兩年頒發(fā)一次，旨在增強全球公眾對工程的實踐、理論和社會貢獻的關(guān)注。該獎項主要頒發(fā)給具備豐富職業(yè)經(jīng)驗，在實踐、理論和社會地位方面有突出成就、并具有較強國際影響力的工程師。

(本刊編輯部供稿)

Confidence model of QoS prediction data in cloud computing

ZHANG Xuejie1,2, WANG Zhijian1, ZHANG Weijiang3

(1.CollegeofComputerandInformation,HohaiUniversity,Nanjing210098,China;

2.CollegeofComputerScienceandTechnology,NanjingUniversityofAeronauticsandAstronautics,

Nanjing210016,China;

3.CollegeofDistanceLearningandContinuingEducation,HohaiUniversity,Nanjing210098,China)

Abstract:In order to handle the uncertainty of data used in quality of service (QoS) prediction, increase the confidence value of prediction results, and make the QoS prediction more reliable, a probability model for quantifying the confidence in QoS prediction was built. In the process of building the model, the number of QoS data items used in prediction, the data fluctuation (data deviation), and the data decay over time were considered. The results show that the number of data reflects the impact of the number of QoS data used in prediction on the reliability of the prediction result, the data deviation reflects the consistency degree of the actual value and predicted value of QoS in service, and the data decay reflects the impact of data on the prediction result over time. The simulated test indicates that the confidence model can help consumers effectively select services based on their requirements.

Key words:QoS prediction; confidence modeling; number of data; data fluctuation; data decay; services selection

中圖分類號：TP391

文獻標志碼：A

文章編號：1000-1980(2015)06-0588-06

作者簡介：張雪潔(1979—),女,遼寧鐵嶺人,博士研究生,工程師,主要從事服務(wù)計算、Web服務(wù)質(zhì)量評估與推薦研究。E-mail: xuejiezh@hhu.edu.cn

基金項目：“十二五”國家科技支撐計劃(2013BAB05B00,2013BAB06B04);江蘇水利科技項目(2013025);河海大學(xué)淮安研究院開放基金(2014502512)

收稿日期：2014-12-10

DOI：10.3876/j.issn.1000-1980.2015.06.014