基于信任扩展和列表级排序学习的服务推荐方法

    公开(公告)号:CN107507073A

    公开(公告)日:2017-12-22

    申请号:CN201710828673.X

    申请日:2017-09-14

    CPC classification number: G06Q30/0631 G06F17/30867

    Abstract: 本发明涉及一种基于信任扩展和列表级排序学习的服务推荐方法,首先利用服务排序位置信息并借鉴Plackett-Luce模型,将每个用户表示为已调用服务集合排列的概率分布,基于KL距离进行概率型用户相似度的计算;同时考虑用户间的直接信任关系和间接信任关系,利用Beta信任模型计算直接信任度,利用信任关系的传递特性计算间接信任度,得到综合信任度,构造出目标用户的可信邻居集合;将可信邻居集合融入到矩阵分解模型中,将预测排序列表和正确排序列表之间的交叉熵作为损失函数,设计列表级排序学习算法得到最优的排序模型,输出最符合用户兴趣的推荐列表。本发明具有较高的推荐准确性,能够在保证服务推荐质量的同时还最大程度地满足用户潜在的功能需求。

    云环境下基于动态博弈的资源调度方法

    公开(公告)号:CN107168797A

    公开(公告)日:2017-09-15

    申请号:CN201710335668.5

    申请日:2017-05-12

    Abstract: 本发明属于基于云计算的资源调度技术领域,具体涉及一种云环境下基于动态博弈的资源调度方法,包括以下步骤:构建云环境下基于动态博弈的资源调度模型;基于动态博弈的资源调度模型,根据各用户任务的属性高低分配选择资源的优先权;对任务属性相同的用户采取先申请先选择分配优先权的策略,并将各用户的收益定义为其QoS的满意度;利用逆向归纳法求解博弈的纳什均衡解。本发明针对云环境下多个用户由于同时提交任务而引起的资源竞争问题,建立云环境动态博弈资源调度模型,利用动态博弈理论对各个用户之间的资源竞争进行建模和分析,尽可能地满足所有用户的QoS需求;从而在最大程度上满足各个用户的需求;利用逆向归纳法求解动态博弈模型的纳什均衡解,从而实现了资源最合理有效的配置。

    基于随机演化博弈模型的网络防御策略选取方法

    公开(公告)号:CN107483486B

    公开(公告)日:2020-04-03

    申请号:CN201710827946.9

    申请日:2017-09-14

    Abstract: 本发明属于网络安全技术领域,特别涉及一种基于随机演化博弈模型的网络防御策略选取方法,包含:基于随机动力系统,构建非对称网络攻防随机演化博弈模型;并借鉴高斯白噪声,采用Itó随机微分方程得到网络攻防随机演化博弈系统;采用Milstein方法对网络攻防随机演化博弈系统进行数值求解,获取攻防演化的均衡解;针对攻防演化的均衡解,根据随机微分方程解的稳定性定理对攻防双方的策略选取状态进行稳定性分析,并输出均衡解中的网络安全防御策略。本发明解决传统确定博弈模型应用于网络防御策略选取不够准确等问题,能够更加准确地分析有限理性的攻防决策者之间的随机动态演化过程,增强安全防御策略选取的实用性,对网络安全防御技术具有重要指导意义。

    基于动态QoS和主客观权重的Web服务选取方法及其装置

    公开(公告)号:CN106961356B

    公开(公告)日:2020-01-10

    申请号:CN201710282821.2

    申请日:2017-04-26

    Abstract: 本发明涉及一种基于动态QoS和主客观权重的Web服务选取方法及其装置,该方法包含:根据用户QoS需求的模糊性和候选服务QoS值的波动范围,建立区间QoS模型;计算每个基本服务下的候选服务的相似度;结合用户主观偏好计算QoS指标综合权重;根据QoS指标综合权重及相似度,获取每个候选服务的推荐度,通过推荐度对所有候选服务进行排序;根据排序结果选取符合用户QoS需求的服务。本发明计算复杂度小,可行性高,结合主客观偏好向量算出QoS指标综合权重,避免了仅仅利用主观赋权模式或客观赋权模式的片面性,使得权重的确定更加合理;通过推荐度作为衡量候选服务符合用户需求的程度,综合考虑了客观QoS数据和用户主观偏好信息,提高了服务选取的准确性。

    基于随机游走和多样性图排序的个性化服务推荐方法

    公开(公告)号:CN107590243B

    公开(公告)日:2019-09-06

    申请号:CN201710827936.5

    申请日:2017-09-14

    Abstract: 本发明涉及一种基于随机游走和多样性图排序的个性化服务推荐方法,首先分析传统Pearson相关系数计算用户相似度存在的缺陷,然后通过WRW模型将用户间的相似关系进行多次传递,从而为目标用户找到更多的相似邻居,有效克服数据稀疏性问题;在基于所有相似邻居预测QoS值的基础上,采用SGMC算法构建服务图模型,以过滤大量性能过低的候选服务,缩小算法寻优空间,确保后续多样性图排序算法快速收敛;最后,采用ONCS策略在服务图模型上寻找最优节点集合,该集合所包含的k个节点即为向用户推荐的兼具推荐准确性和功能多样性的服务列表。本发明具有较高的推荐准确性和较好的功能多样性,能够在保证服务推荐质量的同时还最大程度地满足用户潜在的功能需求。

    一种Web服务的服务质量预测方法和装置

    公开(公告)号:CN105071961B

    公开(公告)日:2018-12-14

    申请号:CN201510466828.0

    申请日:2015-07-30

    Abstract: 本发明提供一种Web服务的服务质量预测方法和装置。方法包括:在第k‑1个时间窗口结束时,依据所述第k‑1个时间窗口的QoS估计值计算得到第k个时间窗口的QoS公告;依据所述QoS公告、第k个时间窗口的卡尔曼增益和第k个时间窗口的QoS量测值,计算所述第k个时间窗口的QoS估计值;依据所述第k个时间窗口的QoS估计值和QoS公告,计算所述第k个时间窗口的QoS公告可信度;依据所述第k个时间窗口的QoS公告可信度调节所述第k+1个时间窗口的大小;以调节后的第k+1个时间窗口的大小为QoS预测周期执行后续预测。本发明运行效率高、准确性高、且能够实现自适应校准。

Patent Agency Ranking