首 页    学报简介    作者投稿    专家审稿    编辑办公    读者须知    联系我们
引用本文格式: 刘承启,林振荣,黄文海. 基于LSTM的WEB服务响应时间大数据预测方法 [J]. 四川大学学报: 自然科学版, 2019, 56: 71~77.
 
基于LSTM的WEB服务响应时间大数据预测方法
Big data prediction method of WEB service response time based on LSTM
摘要点击 88  全文点击 26  投稿时间:2018-10-26  修订日期:2018-12-06
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   响应时间  LSTM  特征降维  
英文关键词   Response time  LSTM  Feature dimension reduction  
基金项目   江西省科技支撑计划项目(20151BBE50057); 江西省教育厅科技项目(GJJ161675,GJJ161675)
作者单位E-mail
刘承启 南昌大学网络中心 splcq@ncu.edu.cn 
林振荣 南昌大学信息工程学院 zrlin@ncu.edu.cn 
黄文海 南昌大学网络中心  
中文摘要
    有效地预测Web服务器响应时间,对Web服务提供方保障服务质量有着重要的指导意义.利用大数据方法对处理大量历史指标数据的处理能提高预测的效率.本文提出一种使用相关性分析除去与响应时间相关性不高的指标项,使用特征降维的方法减小计算的数据量,使用动态调节参数的多层LSTM优化算法对数据做训练并预测响应时间的方法来提高预测的效率和准确率.通过实验证明,本文提出的方法能高效和准确地预测Web服务响应时间.
英文摘要
    Effective prediction of web services response time has important guiding significance for service providers to guarantee the quality of service, using big data approach to process a large number of indictors’ historical data can improve the efficiency of prediction. Correlation analysis is proposed to remove indicators’ items that are not highly correlated with response time, the computed data volume is reduced by the feature dimension reduction, and the multi layer LSTM optimization algorithm with dynamic adjustment parameters is designed to predict the response time of web services. Experiments show that the proposed method can predict the response time of Web services efficiently and accurately.

您是第 3189438 位访问者

版权所有 @ 2007《四川大学学报 (自然科学版)》编辑部
地址: 四川省成都市武侯区四川大学望江校区文科楼330至342室  邮编: 610064
电话: (028)85410393  传真: (028)85410393  E-mail: scdx@scu.edu.cn
本系统由北京勤云科技发展有限公司设计