[发明专利]基于协同过滤和QoS感知的服务选择框架

说明书

技术领域

本发明属于web服务领域，主要实现一种基于协同过滤和QoS感知的服务选择框架。

背景技术

面向服务的计算（SOC）为我们提供了一种将单一功能应用无缝聚合为大粒度增值服务的方法。如今，服务组合受到了产业界的关注，并且应用到了各个领域，比如工作流管理、金融、电子商务等等。在互联网上，分布着大量的可选服务，它们都提供了相同的功能，但是在非功能特性和服务质量上存在着差异，所以服务组合的问题逐渐转变为根据用户的服务质量（QoS）选择最佳的候选服务组合过程。

近年来，有很多关于服务选择的研究，但是这些研究基于一个共同的前提，那就是用户对于所有的候选服务的QoS都是已知的。但是，这在真实的使用环境中并不现实。比如，因为地理位置和网络环境的不同，不同用户对于同一服务的QoS可能差距很大。况且，一个用户很难保证使用过所有的候选服务，也就是说，对于某些服务，用户无法提供QoS信息。

发明内容

本发明基于背景技术中的两点问题，提供一种对未知的QoS信息进行预测和基于完整的QoS信息，进行QoS感知的服务选择的感知的服务选择框架。

本发明解决现有问题的技术方案是：一种基于协同过滤和QoS感知的服务选择框架，

1）    用户通过服务设计模块自行组合服务，用户选择一种或多种服务的组合来实现等价功能，每种服务可能由一个或多个等价功能具体服务实现，基于QoS服务选择的从每组等价功能的具体服务中，选择候选服务来满足端到端功能需求，优化组合QoS；

2）    目标用户初次调用候选服务，QoS选择系统为目标用户和目标服务提取特征向量，通过相似度计算函数，得到目标用户和目标服务与数据库中训练数据的相似度，通过筛选函数，得到相似用户和相似服务，利用它们的历史QoS表征，预测目标用户对候选服务的QoS；

3）    预测目标用户对候选服务的QoS，选择最佳服务组合推荐给用户，由剪枝模块进行对候选具体服务的筛选。

作为本发明的进一步改进，步骤2）目标用户和目标服务提取的特征向量计算相似度，从用户和服务两方面分别进行预测，然后根据系统权重进行组合。

作为本发明的进一步改进，系统权重由系统参数                                                和预测置信度两部分组成。

作为本发明的进一步改进，步骤3）中的剪枝模块利用skyline算法根据多维QoS为候选服务数据集选择支配服务，将支配服务输入服务选择模块，剪枝模块通过效用函数计算选择最佳服务。

作为本发明的进一步改进，所述的相似度计算函数利用的是修正余弦算法（Adjusted Cosine）。所述的筛选函数使用混合Top-K（Hybrid Top-K）算法，所述的算法为：

Input:   u: 目标用户 ; T(u):其他用户的集合 ;

P: 相似度阈值 ; K: 输出候选用户的最大数据量

Output:  S(u): 相似用户的集合

1）: 遍历除目标用户外的所有其他用户集合，将所有于目标用户的相似度大于既设阈值P的用户加入到预选队列中；

2）: 记录预选队列中用户的数量，并按照相似度由高到低的顺序，对预选队列进行排序；

3）: if  

此种情况下，说明相似度大于既设阈值的用户数量足够多，不少于K个，故将预选队列中的相似度由高到低排序，前K个用户插入相似用户集合 ，加入到S(u)中；

4）: if 0 << K 

此种情况下，说明相似度大于既设阈值的用户数量没有达到设定的K个，为了避免相似度过低的用户信息对最后预测结果的干扰，只选取预选队列中的个用户作为输出，加入到S(u)中；

5）: if =0 

此种情况下，目标用户所有的相似用户相似度都过低，这些数据对于预测结果的干扰过大，所以输出空集，即目标用户无相似用户；

6）:return S(u)。

作为本发明的进一步改进，所述的特征向量，包括基于用户的QoS特征向量和基于服务的QoS特征向量，所述的用户的QoS特征向量描述了对不同服务的QoS特征值，用户是固定的；所述的基于服务的QoS特征向量，描述了服务对不同用户的特征值，服务是固定的。

本发明与现有技术相比较，其有益效果是可以为用户提供更准确更高效的服务组合推荐，进一步的：