[發明專利]一種基于對比學習的網絡服務QoS預測方法

在審

• 申請號: 202111451282.3
• 申請日: 2021-12-01
• 公開（公告）號: CN114143215A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 陳慢慢;殷昱煜;邸千卉;梁婷婷;袁成
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04L41/147
• 分類號: H04L41/147;H04L47/2491;H04L47/80;G06N3/04;G06N3/08
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周雷雷

本發明公開了一種基于對比學習的網絡服務QoS預測方法。目前主流預測方法為協同過濾法，主要分為非時間感知方法和時間感知方法，然而當數據稀疏時，這些方法無法推斷出最適當的QoS表示以此預測值。本發明采用多任務策略，通過主要的預測任務對QoS序列進行編碼，額外對比學習任務對序列進行增強與編碼，來聯合優化損失函數進而優化編碼器，推斷出用戶最適當的QoS表示，最終實現預測。通過本發明的預測方法，可以在數據稀疏時更好地預測QoS值，從而更好地為用戶提供個性化服務。

技術領域

本發明屬于網絡服務領域，涉及一種基于對比學習實現網絡服務QoS預測的方法。

背景技術

網絡服務是指一些在網絡上運行的、面向服務的、基于分布式程序的軟件模塊。隨著互聯網的發展，一方面，人們對網絡服務的要求越來越高。如在傳輸內容上從單一的數據變為數據、圖像、視頻等多媒體內容；在傳輸要求上，從小流量傳輸變為云計算、大數據等大流量傳輸。另一方面，互聯網始終存在傳輸延時、延時抖動等問題。在此背景下，為了給用戶提供更好的網絡服務，可以使用網絡服務的一些屬性來描述網絡服務。

網絡服務的質量可以通過功能屬性和非功能屬性來描述。當前通過非功能屬性來描述網絡質量就尤為重要。網絡的非功能屬性值即為QoS值，包括網絡的響應時間、吞吐量、故障概率等等。然而，用戶觀測到的QoS值很大程度上取決于調用網絡服務的環境，即在同一網絡服務下，不同的用戶的網絡質量可能相對不同。因此，需要為不同的用戶獲取個性化的QoS值，從而為不同用戶提供更好的網絡服務。由于時間成本高昂和資源開銷巨大，用戶不可能調用全部的服務來獲得個性化的QoS值，因此，只能基于現有的觀察結果，預測缺失的QoS值，從而獲得近似的個性化QoS值。

現有的大多數QoS預測方法屬于協同過濾方法，其中根據是否使用時間特征，將協同過濾法分為兩類：非時間感知方法和時間感知方法。非時間感知的QoS預測方法使用單個時間片，不考慮時間影響因素，主要包括傳統的協同過濾方法、基于位置的協同過濾方法和基于上下文的協同過濾方法。這些方法存在以下問題：所依賴的外部信息不容易獲取，并且實現起來也更為復雜。為了彌補這些缺點并進一步提高推薦的準確性，研究人員開始將上下文信息(例如，位置、偏好和時間)集成到基于協同過濾的方法的相似度計算中，即時間感知的QoS預測方法，包括基于內存的協同過濾法、基于模型的協同過濾法。其中，基于模型的協同過濾法主要包括基于神經網絡的模型，通過潛在的特征向量表示每個時間片，來描述整個網絡在不同時間的狀態。雖然這些方法已經取得了較好的成果，但是容易出現數據稀疏問題，可能無法做出精確的預測。

為了解決這一問題，可以將自監督學習應用在QoS預測上。自監督學習從未標記的數據提取內在的數據相關性，來優化用戶表示模型，以改進預測結果。最近的研究方向是通過從原始特征數據的固有結構中提取的自我監督信號來增強特征表示。這些以前的工作通常側重于改進項目級別的表示，然而，如何在用戶行為序列水平上獲得準確的表示還沒有得到很好的研究。

發明內容

本發明的目的在于從用戶的QoS序列上獲得盡可能準確的表示，從而預測出未知的QoS值，而提出一種基于對比學習的網絡服務QoS預測方法。

本發明方法的使用步驟是：

步驟一：

對于用戶QoS數據進行處理，該數據為用戶在連續64個時間片上調用不同服務所對應的QoS值。對于每個用戶u，在每個時間片上，將其調用的所有服務v所對應的QoS值形成一個序列，該序列即為后續處理中輸入的QoS 數據序列其中|s_u|為QoS序列的長度。

步驟二：

采用多任務策略。將預測QoS任務分成主要的預測任務與額外的對比學習任務。

步驟三：