(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210992111.X (22)申请日 2022.08.17 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 (72)发明人 李兵　朱江源　王健　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 专利代理师 马丽娜 (51)Int.Cl. G06F 16/951(2019.01) G06F 16/9535(2019.01) G06F 16/901(2019.01) G06F 16/9537(2019.01) G06F 16/9536(2019.01) G06N 3/04(2006.01) (54)发明名称 QoS预测模 型构建方法、 装置、 设备及可读存 储介质 (57)摘要 本申请涉及一种QoS预测模型构建方法、 装 置、 设备及可读存储介质， 包括对用户服务交互 图进行丢边处理得到多个用户服务交互子图； 基 于QoS、 历史调用以及经纬度信息计算每个用户 服务交互子图中各个节点的调用相似度和地理 位置相似度； 根据各个节点的调用相似度和地理 位置相似度构建用户邻接图和服务邻接图； 基于 ID信息和地理位置信息对用户邻接图和服务邻 接图进行信息嵌入得到用户初始嵌入表达和服 务初始嵌入表达； 基于图注意力网络对用户初始 嵌入表达和服务初始嵌入表达进行特征汇聚和 学习得到用户最终嵌入表达和服务最终嵌入表 达； 基于用户和服务的最终嵌入表达对多层感知 网络进行训练得到QoS预测模型， 进而能够准确 预测QoS。 权利要求书4页 说明书17页 附图6页 CN 115438249 A 2022.12.06 CN 115438249 A 1.一种QoS预测模型构建方法， 其特 征在于， 包括以下步骤： 对基于包含QoS信息、 历史调用信息和位置信息的原始数据集生成的用户服务交互图 进行丢边处 理， 得到多个用户服 务交互子图； 基于QoS信息、 历史调用信息和经纬度信息计算每个用户服务交互子图中各个节点的 调用相似度和地理位置相似度， 所述节点包括用户节点和服 务节点； 根据各个节点的调用相似度和地理位置相似度构建多个用户邻接图和多个服务邻接 图； 基于ID信 息和地理位置信息分别对用户邻 接图和服务邻 接图进行信 息嵌入， 得到用户 初始嵌入表达和服 务初始嵌入表达； 基于图注意力网络分别对每个用户邻接图中的用户初始嵌入表达和每个服务邻接图 中的服务初始嵌入表达进行特征汇聚和学习， 得到用户最终嵌入表达和服务最终嵌入表 达； 基于用户最终嵌入表达和服务最终嵌入表达对多层感知网络进行训练， 得到QoS预测 模型。 2.如权利要求1所述的QoS预测模型构建方法， 其特征在于， 所述基于QoS信息、 历史调 用信息和经纬度信息计算每个用户服务交互子图中各个节点的调用相似度和 地理位置相 似度， 包括： 基于QoS信 息和历史调用信息分别计算每个用户服务交互子图中每个用户对应的用户 调用相似度以及每 个服务对应的服 务调用相似度； 基于经纬度信息分别计算出每个用户服务交互子图中用户与用户间的距离以及服务 与服务间的距离， 并根据所述距离计算每个用户服务交互子图中每个用户对应的用户地理 位置相似度以及每 个服务对应的服 务地理位置相似度。 3.如权利 要求2所述的QoS预测模型构建方法， 其特征在于， 所述基于QoS信息和历史调 用信息分别计算每个用户服务交互子图中每个用户对应的用户调用相似度以及每个服务 对应的服 务调用相似度和服 务地理位置相似度， 包括： 将QoS信息和历史调用信息分别代入第一计算公式和第 二计算公式得到每个用户服务 交互子图中每 个用户对应的用户调用相似度以及每 个服务对应的服 务调用相似度； 其中， 第一计算公式为： 式中， Sinv(ui， uj)表示用户i基于用户j对应的用户调用相似度， 表示用户i和 用户j调用的服务集合， 表示用户i调用服务m的QoS值， 表示用户i调用的服务的QoS 平均值； 表示用户j调用服 务m的QoS值， 表示用户j调用的服 务的QoS平均值； 第二计算公式为： 权　利　要　求　书 1/4 页 2 CN 115438249 A 2式中， Sinv(sm， sn)表示服务m基于服务n对应的服务调用相似度， 表示调用了 服务m和服务n的用户集合， 表示用户i调用的服务m的QoS值， 表示服务m的QoS平均 值； 表示用户j调用的服 务n的QoS值， 表示服务n的QoS平均值。 4.如权利要求2所述的QoS预测模型构建方法， 其特征在于， 所述基于位置信息分别计 算出每个用户服务交互子图中用户与用户间的距离以及服务与服务间的距离， 并根据所述 距离计算每个用户服务交互子图中每个用户对应的用户地理位置相似度以及每个服务对 应的服务地理位置相似度， 包括： 将每个用户的位置信息代入第三计算公式， 得到用户与用户间的距离， 并将每个服务 的位置信息代入第四计算公式， 得到服 务与服务间的距离； 将用户与用户间的距离代入第五计算公式， 得到每个用户服务交互子图中每个用户对 应的用户地理位置相似度， 并将服务与服务间的距离代入第六计算公式， 得到每个用户服 务交互子图中每 个服务对应的服 务地理位置相似度； 其中， 第三计算公式为： 式中， D(ui， uj)表示用户i与用户j之间的距离， 表示用户i的经度， 表示用户i的纬 度， 表示用户j的经度， 表示用户j的纬度； 第四计算公式为： 式中， D(sm， sn)表示服务m与服务n之间的距离， 表示服务m的经度， 表示服务m的 纬度， 表示服务n的经度， 表示服务n的纬度； 第五计算公式为： 式中， Sloc(ui， uj)表示用户i与用户j 之间的用户地理位置相似度， δu表示用户距离矩阵 的标准差； 第六计算公式为： 式中， Sloc(sm， sn)表示服务m与服务n之间的服务地理位置相似度， δs表示服务距离矩阵 的标准差 。 5.如权利要求2所述的QoS预测模型构建方法， 其特征在于， 所述根据各个节点的调用 相似度和地理位置相似度构建多个用户邻接图和多个服 务邻接图， 包括： 对每个用户的用户调用相似度和用户地理位置相似度进行加权计算， 得到每个用户对 应的用户相似度；权　利　要　求　书 2/4 页 3 CN 115438249 A 3