[发明专利]一种应用在云服务推荐中基于图模型的QoS预测方法

权利要求书

1.一种应用在云服务推荐中基于图模型的QoS预测方法，其特征在于，包括：

构建包含多源信息的全图模型，该全图模型包括代表用户和服务的节点，以及使用用户之间的相似度、服务之间的相似度和用户与服务之间的相似度作为权重的边；

将全图模型切分成若干个子图模型；

对全图模型与子图模型分别进行优化的概率矩阵分解算法得到全局和局部预测的QoS；

对全局和局部预测的QoS进行自适应融合处理，得到最终预测的QoS。

2.根据权利要求1所述的方法，其特征在于，所述的构建包含多源信息的全图模型，该全图模型包括代表用户和服务的节点，以及使用用户之间的相似度、服务之间的相似度和用户与服务之间的相似度作为权重的边，包括：

根据用户的经纬度信息计算用户与用户之间在地理位置上的相似度W_lo(u_i，u_j)；

使用用户所在的自治系统信息计算用户与用户在网络位置方面的相似度W_AS(u_i，u_j)；

综合考虑用户的经纬度信息和自治系统信息得到用户u_i和用户u_j之间的最终相似度如公式(1)所示：

λ₁W_lo(u_i，u_j)+λ₂W_AS(u_i，u_j)＞η₁ #(1)

其中η₁是一个给定的阈值，当最终相似度值大于η₁时才会在用户u_i和用户u_j之间构建权重为的边，其他情况用户u_i和用户u_j之间不存在边连接；λ₁与λ₂分别表示用户的地理位置信息和自治系统信息在最终相似度中所占的权重；

根据服务的WSDL信息计算服务与服务之间的语义相似度W_ws(s_i，s_j)；

使用服务所在的自治系统信息计算服务和服务在网络位置方面的相似度W_AS(s_i，s_j)；

综合考虑服务的WSDL信息和自治系统信息得到服务s_i和服务s_i之间的最终相似度如公式(2)所示：

γ₁W_ws(s_i，s_j)+γ₂W_As(s_i，s_j)＞η₂#(2)

其中η₂是一个给定的阈值，当最终相似度值大于η₂时才会在服务s_i和服务s_j之间构建权重为的边，其他情况服务s_i和服务s_j之间不存在边连接；γ₁与γ₂分别表示服务的WSDL信息和自治系统信息在最终相似度中所占的权重；

使用QoS预测矩阵通过以下变换得到用户与服务之间的相似度：

E_ui，sj＝rt_i，j

rtmax_j＝max(rt_ij|i＝1，2，...，m)

rtmin_j＝min(rt_ij|i＝1，2，...，m)

rtmax＝(rtmax₁，rtmax₂，...，rtmax_n)

rtmin＝(rtmin₁，rtmin₂，...，rtmin_n)

首先对服务调用做归一化操作，然后使用公式(3)将归一化的RT转化成相似度，其中rtmax_j与rtmin_j分别表示服务s_j的最大值与最小值，而rtmax与rtmin分别表示所有服务的最大值与最小值，I_m×1表示m个用户的一维列向量；

将用户之间的相似度、服务之间的相似度和用户与服务之间的相似度分别作为三种边的权重，将用户与服务作为节点，构建含有用户与服务以及三种边的全图模型：G＝{V，E}，其中V＝{U，S}，U＝{u₁，u₂，...，u_m}与S＝{s₁，s₂，...，s_n}分别表示包含个m用户和n个服务；边集合表示为：E＝{E_uu，E_ss，E_us}，其中E_uu，E_ss，E_us分别表示使用用户间、服务间、以及用户与服务间的相似度作为权重的边。