时效感知的动态加权Web服务QoS监控提升方法

本文主要探讨了一种时效感知的动态加权Web服务QoS（Quality of Service, 服务质量）监控方法，发表在《软件学报》上，2018年第12期，由何志鹏、张鹏程、江艳、吉顺慧和李雯睿等人合作完成。他们针对Web服务的质量保障需求，提出了IgS-wBSRM（Information Gain and Sliding Window Based Weighted Naive Bayes QoS Runtime Monitoring）模型。 传统Web服务QoS监控方法往往依赖于静态权重，这可能导致分类的偏见和参数的滞后问题。IgS-wBSRM方法通过引入滑动窗口机制和信息增益原理，提高了监控的实时性和准确性。首先，通过初始训练样本获取环境因素的权值，然后利用信息熵（Information Entropy，IE）来量化样本数据的混沌状态，信息增益（Information Gain，IG）则用来评估不同影响因子组合的重要性。TF-IDF算法在此基础上进行动态调整，修正了原有方法在类间分布偏差和参数更新方面的不足。 滑动窗口机制被应用于训练样本的数据时效性考量中，确保影响因子组合的权值能随着时间同步更新，避免了历史数据对近期服务质量监控的负面影响。这种方法的优势在于它能够有效剔除过时信息，提高对Web服务QoS的精确监控能力。实验证明，IgS-wBSRM在模拟数据集和开源数据集上表现出色，整体监控效果显著优于传统的静态权重监控方法，对于提升Web服务的质量感知和用户体验具有重要意义。