● 摘要
近些年，云计算大力发展，Web服务作为IaaS、PaaS、SaaS等模式的重要组成部分，也得到了人们的广泛重视。许多大公司（如Google、Facebook、腾讯等）都推出了以Web服务为基础的开放平台，同时亚马逊的AWS和阿里云等云计算服务都得到了越来越多人的使用。
目前，随着互联网中 Web 服务数量的不断增长和应用的不断扩大，Web 服务质量（Quality-of-Service, QoS）开始得到越来越多服务使用者的重视。所以，本研究针对Web服务的质量评价问题，通过构建Web服务质量模型与Web服务质量评价模型，提出领域自适应的、动态的、用户个性化的质量评价方法。
本文首先为Web服务建立质量模型和Web服务质量评价模型。本文提出的Web服务质量模型是一个可扩展的模型，可根据Web服务领域特点对Web服务质量属性进行添加或删除，为特殊领域的Web服务质量模型定制提供基础。Web服务质量评价模型主要采用评价树的方法，将质量属性细化为评价类别或评价因子，Web服务的质量评价结果由评价因子的取值和评价因子的权重共同决定。
然后针对评价因子的取值问题，提出了基于协同过滤的预测算法，其使用用户调用Web服务的QoS历史记录来进行预测，且同时考虑相似用户和相似Web服务的影响。针对评价因子的权重分配问题，提出结合领域知识和机器学习的权重分配算法，首先基于领域知识并运用层次分析法解决Web服务评价树的权重预分配。然后在系统的使用过程中，记录用户的选择结果，通过对用户选择记录的机器学习，动态调整Web服务评价树中评价类别和评价因子的权重分配。
最后根据上述研究成果，设计和实现了Web服务质量评价系统，系统能够为用户提供领域自适应的、动态的和个性化的评价结果，从而方便服务使用者选择最优的Web服务。其中对于评价因子的取值预测算法使用MapReduce进行实现，提高了算法的运行效率。
本研究提出了面向Web服务的质量评价方法，为未来的服务选择、服务组合提供基础。