[發明專利]一種基于云平臺的服務推送方法

無效

• 申請號: 201110366645.3
• 申請日: 2011-11-18
• 公開（公告）號: CN102447737A
• 公開（公告）日: 2012-05-09
• 發明（設計）人: 于治樓;張化祥;劉麗娜
• 申請（專利權）人: 浪潮電子信息產業股份有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種計算機網絡技術領域,?具體地說是一種基于云平臺的服務推送方法。

背景技術

目前網絡應用服務迅速普及,用于提供網絡服務的服務器數量不斷增多，當一個服務器出現問題時，一個完整的系統就徹底毀掉，為了減少此問題的發生，人們想到了采用極強的服務器，可是需要很高的費用，為此想到把所有計算資源集結起來看成是一朵云，通過并發使用資源完成操作請求。

在傳統網絡中實現信息推送已經得到深入研究，如何在云平臺下實現服務推送是一個新的研究領域值得我們深究，為此本發明提出采用云中間件作為中間服務過濾環節實現云環境下的服務推送。

發明內容

本發明的目的是提供一種基于云平臺的服務推送方法。

本發明的目的是按以下方式實現的，采用機器學習中經典的KNN分類算法和K-means聚類算法，以及基于屬性相似度的服務推送方法。將用戶請求服務與各服務器服務資源進行相似性比對，得到與所需服務的相似度；使用云中間件作為中間環節；通過中間件的輔助作用最終實現云環境下的服務推送。

首先客戶端主動向云端申請所需資源，云端收到客戶端的請求后首先分別計算云中不同服務器的資源與客戶端所需資源的相似性，然后采用機器學習中的KNN分類算法將各個服務器中的資源進行分類，如服務器????????????????????????????????????????????????將資源分為和兩部分，服務器此時將資源分為和，……，服務器此時將資源分為，。對資源（i=1,2……n）進行K-means聚類，找到和用戶需求最相似的一些，將結果保存在云中間件中，該中間件將最后服務采用基于屬性相似度的推送技術將服務推送到客戶端，實現云環境下服務推送的功能；具體步驟如下：

1）初始階段采用KNN分類算法和K-means聚類算法，將各個服務器中的資源采用KNN進行分類，得到與所需服務有一定相似度的資源,再對進行K-means聚類，找到一個最優的結果存放到云中間件中，在云中間件輔助下實現基于屬性相似度的服務推送；

2）?服務獲取的方式有兩種，拉模式和推模式，當用戶需要某資源時，避免了服務過載和服務迷向，不在采用拉模式，而是采取推模式，本文中的服務推送是通過在云中間件協作下完成的，并采用了基于屬性相似度的服務推送技術；

3）以用戶瀏覽過的信息集合作為挖掘對象，以偏離相似度為基礎，從中提取出用戶的信息興趣，然后把用戶未瀏覽過的信息與用戶興趣相比較，判定該信息是否滿足用戶信息興趣，進而決定是否推送該信息給用戶；

4）為了對信息進行統一管理，?信息庫的所有信息都必須轉換成一個統一的格式，本文將具備該格式的一個信息稱為信息項，信息項是信息內容與信息屬性的組合，可表示為?KI=（KC，KA），其中KC是信息的內容，?KA=（，，…，）是該信息的屬性值，由于信息屬性是對信息內容的一個概括，因而，在信息推送過程中，僅需知道信息屬性值即可，為此，信息項可簡化為屬性的集合，可表示為：?

KV=

其中，表示第i個信息項的第j個屬性的值，給定內含m?個信息項的信息集合，假設，為2個信息項，則和關于屬性f的屬性相似度為：

其中，為的屬性?f?的值，為的屬性f的值，為所有信息項的屬性f的均值；考慮到各個屬性，其值的范圍可能相差較大，為此，對屬性相似度進行

規范化為：

則屬性綜合相似度為：

屬性最大相似度為：

假設為信息項，其屬性綜合相似度為，則的偏離相似度為：?

偏離相似度反映了該信息項與信息項集合的綜合興趣相背離的程度，其值越小，偏離的程度越高，因此，可以把該值作為知識推送的依據：設定一個閾值λ，若某信息項的偏離相似度高于λ，則認為該信息項符合用戶興趣，可作為推送的對象；

5）基于屬性的相似度推送過程分成如下的主要4步：?

1)把用戶瀏覽過的所有信息項構成信息項集合?D1，以?D1?作為挖掘對象，計算出D1的屬性最大相似度，?進而得到D1中每個信息項的偏離相似度；?

2)依據預先設定的閾值λ，把偏離相似度低于λ的信息項剔除出信息集合D1，從而使得集合中僅留下偏離相似度高于λ的信息項，形成新集合?D2，顯然，D2?中的信息項都與用戶興趣吻合，因而可作為用戶信息興趣的表示；

3)把用戶未瀏覽過的信息項?NK?添加進集合D2中，形成新集合D3，并計算出D3?的屬性最大相似度以及每個信息項的偏離相似度；?