摘要
本发明涉及一种基于规模特征与机器学习模型的语义服务性能预测方法,属于语义服务性能预测技术领域,解决了现有技术中语义服务性能预测准确性差、时间成本和物力资源消耗大的问题。通过构建语义服务性能测试系统,基于代码片段生成代码文件集合,基于代码文件集合和第一执行时间采用排列重要性算法确定与各个语义服务对应的关键影响特征,基于代码片段建立各关键影响特征的测试文件集合,构建各个语义服务的机器学习模型,基于各个语义服务的关键影响特征所对应的测试文件集合训练机器学习模型得到该语义服务的性能预测模型,获取待测语义服务文件,统计该文件中各个代码特征的特征值,将全部特征值输入至与该语义服务相对应的机器学习模型得到该语义服务的性能预测结果。从而实现了一种准确高效、时间成本和物力资源消耗低的语义服务性能预测方法。
技术关键词
服务性能预测方法
代码特征
语义
性能测试系统
训练机器学习模型
性能预测模型
生成代码文件
数据样本集合
特征值
规模
构建机器学习模型
性能预测技术
支持向量回归
客户端
变量
标识符
复杂度
符号