全文总字数：2446字
1. 研究目的与意义
研究的目的：
在当代，互联网是人们生活中必不可少的东西，它无处不在，充实着大家的生活。web服务是面向服务的开发模式和web技术共同发展的结果，也是人们运行应用程序的支撑，但是如何保障用户能够选择出相对稳定的应用程序并且在众多功能相似的系统中选出最优，这将成为本论文研究的重点。
研究的意义：
2. 国内外研究现状分析
在soa的开发思想下，web服务是独立于平台，并且它的松耦合、高度灵活的特点也成为开发分布式系受到追捧的关键。因此，是否能选择稳定的web服务进行组合是系统开发成功与否的关键。
传统测试方法是通过收集尽可能多的、甚至是可得到的全部数据进行预测，因此准确性可以得到保证。但是从目前看来，这种传统研究的方法过于费时费力费钱，因为web服务不仅种类多，数量大，而且大部分存在收费的情况。因此越来越多的学者开始改善传统的算法，希望能在在减少时间.节约成本和数据缺少的条件下，仍然可以预测出尽可能高的可靠性，也就是说此可靠性拥有正确性和精确性。目前，服务可靠性预测的研究大多借鉴了推荐系统(recommender system)的算法和思想，在此，我对一些方法进行了总结。
tsai等人对提出了对具有相同功能的基本服务进行群测试，这样可以实时对web服务的可靠性进行计算，使用了多数票决的思想来解决参与执行的基本服务[7]，但是运行成本过高；forsati r等研究了基于关联规则，将某一用户选择的系统与其他用户选择的系统作出比较，被用户选择较多的系统与当前用户选择系统集合的交集，最后从中选出一些尚未被用户选择的系统但仍被用户搜索过的系统作为作为预测结果呈现给用户[8]；hu jinming，kim d h等研究了基于内容的过滤技术，根据信息内容和用户偏好之间的相关性进行预测并向用户推荐系统[9]，但是不能预测出用户感兴趣的新领域；silic等人还提出过利用数据挖掘的方法来对可靠性进行预测，该该方法对服务调用的数据利用k-means的方法对原子服务进行可靠性预测[10]，该方法虽然在预测方面比较简单，准确性不能得到保证；zheng等人也用过聚类的方法对相似的服务或者相似服务用户进行聚类，借此来预测新服务或者新用户的可靠性[11]；当然zheng等人还用基于矩阵奇异值分解的思想，将用户-服务矩阵分解为两个矩阵乘积的形式，最终可以得出原矩阵的缺失值[12]。
3. 研究的基本内容与计划
本文的主要内容如下 第一章 绪论 1.1研究背景 1.2研究目的及意义 1.3研究内容 1.4论文结构 第二章 Web服务的可靠性 2.1 Web服务定义 2.2 SOA架构下的Web服务 2.4 Web服务的非功能性属性 2.5 Web服务的可靠性定义 2.6国内外研究Web服务的可靠性预测现状 2.7目前研究Web服务的可靠性存在的问题 2.8本章小结 第三章 基于协同过滤的Web服务可靠性预测 3.1协同过滤概念 3.2协同过滤的分类 3.3.1基于模型的协同过滤 3.4.1基于记忆的协同过滤 3.3协同过滤的步骤 3.3.1相似性计算 3.3.2选择邻居 3.3.3 产生预测 3.4协同过滤的存在问题 3.5实验 3.5.1实验数据 3.5.2实验结果 第四章 基于朴素贝叶斯的Web服务可靠性预测 4.1朴素贝叶斯分类概述 4.2朴素贝叶斯分析 4.3朴素贝叶斯在可靠性预测中应用 4.4 朴素贝叶斯的优缺点 4.5基于主成分分析的朴素贝叶斯算法 4.5.1主成分分析的概述 4.5.2主成分分析的优点 4.5.3 基于主成分分析的朴素贝叶斯算法 4.6实验 4.6.1实验数据 4.6.2实验结果 4.7本章小结 第五章 总结和展望 5.1本文总结 5.2 未来展望 |
具体研究计划如下： 2017年12月初12月末：查阅相关文献，确定论文题选题 2018年1月初1月上旬：了解选题背景.目的及意义，建立论文框架.写文献综述 2018年1月-2月初：完成开题报告 2018年2月3月：论文研究和撰写 2018年4月：初稿完成.修改 2018年5月：论文定稿.印刷 |
4. 研究创新点
本文采用朴素贝叶斯和主成分分析的方法，朴素贝叶斯可以解决传统协同过滤中问题，数据稀疏和冷启动而造成预测精确度偏差；主成分分析则通过减少数据库的维度，使计算更加简化，缓解高维评分矩阵的稀疏性。
而且朴素贝叶斯模型给定输出类别的情况下,假设属性之间相互独立，这个假设在实际应用中往往是不成立的，但是主成分分析可以消除评价指标之间的相关影响。
希望经过改良之后的算法可以更加精准，更加简便，并且通过算法结果可以使服务提供者对web服务进行改进，以此提供更好的服务和减少开发损失。
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
