移动互联网中支持隐私保护的服务需求及体验质量预测研究

With the explosive growth of services on the Internet, users desire a kind of intelligent and active service delivery model strongly, instead of the old and passive search model, therefore, it has become a hot research topic to predict user’s potential needs as well as the QoE values of the candidate services. As the mobile Internet is characterized by constant mobility, rich embedded sensor, unguaranteed security and restricted resource, and in order to address the shortcomings of existing solutions, we propose to design services, users, and their invocation relations model and collect data from multi heterogeneous sources; Based on the mining and construction of temporal location evolution models, we then propose to design a context-aware dynamic service demands prediction algorithm with the privacy preserving of user’s location; Furthermore, we propose to filter neighbors based on identification of core users, protect service invocation history based on differential privacy, and design different value prediction algorithms according to different characteristics of QoE metrics for candidate services; Finally we propose to design a comprehensive QoE ranking algorithm which can learn user’s preference and combine values in various metrics, so as to provide a personalized, accurate and flexible services ranking list for users.

随着网络上服务呈爆炸式增长，用户迫切需要一种智能的、主动的、信息找人的推送模式，来代替陈旧的、被动的、人找信息的搜索模式，因此，如何预测用户的动态潜在需求，并为之推送具有更优体验质量的服务，成为服务计算领域重点关注的问题。针对移动互联网环境下用户移动性强、设备传感器丰富、个人信息敏感、资源受限等特点，以及现有方案中存在的动态智能性、隐私安全性、偏好个性化等方面的不足，本项目拟研究多源异构的服务、用户及调用关系的建模、采集和预处理；在对这些数据挖掘构建时空关联演化模型的基础上，结合对用户位置隐私的保护处理，设计情境感知的动态服务需求主题预测算法；进一步通过基于核心用户抽取的近邻筛选、基于差分隐私的服务调用历史数据保护，设计对需求主题中的候选服务在各类体验质量属性上的值预测算法；最终设计能感知用户个性化偏好、综合各类预测值的体验质量排序算法，从而为用户提供个性化、精准化、灵活化的服务排序结果。

项目针对移动互联网环境下支持隐私保护的服务需求与体验质量预测方法展开研究，在数据与位置服务隐私保护方面，提出了基于斯塔克伯格博弈模型的数据隐私保护模型、基于位置语义的个性化路网位置的隐私保护框架、以及推荐系统中的托攻击检测方法和众包系统中的垃圾工人检测方法；在服务需求预测方面，提出了利用语义变分自编码器学习服务组合关系网络的API推荐方法、支持位置隐私保护的下一个POI推荐方法、以及智能软件开发领域中的方法名预测、Pull Request描述生成模型等；在服务质量预测方面，提出了基于用户声誉与地理位置感知的协同过滤QoS预测方法，以及在智能电网、智能交通等应用领域，基于XGBoost和ARMA的短期用电量预测方法和一系列基于深度学习模型的交通量、出租车需求量等预测方法。项目提出了有效、完善的服务隐私保护、需求和体验质量预测方法，为支持隐私保护的服务需求和质量预测提供了新的思路，并在智能交通、智能软件开发等领域进行了应用尝试。项目超额完成任务，四年来，项目团队在发表期刊论文16篇、会议论文8篇，申请专利4项，授权1项，获得湖南省技术发明二等奖。

内容获取失败，请点击重试