[發(fā)明專利]一種基于貝葉斯原理的服務(wù)組合推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201110383155.4
• 申請日: 2011-11-28
• 公開（公告）號: CN102521283A
• 公開（公告）日: 2012-06-27
• 發(fā)明（設(shè)計(jì)）人: 吳健;簡恒懿;尹建偉;鄧水光;李瑩;吳朝暉
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州裕陽專利事務(wù)所(普通合伙) 33221
• 代理人: 江助菊

技術(shù)領(lǐng)域

本發(fā)明涉及Web服務(wù)領(lǐng)域，尤其涉及一種基于貝葉斯原理的服務(wù)組合推薦方法及系統(tǒng)。

背景技術(shù)

隨著面向服務(wù)的思想的發(fā)展，一種新型的分布式計(jì)算模型SOA（Service?Oriented?Architecture，面向服務(wù)的體系架構(gòu)）已經(jīng)在電子商務(wù)、系統(tǒng)集成等等的領(lǐng)域起到了越來越重要的作用。在工業(yè)界中，Oracle、IBM、Microsoft、BEA等軟件巨頭都發(fā)布了自己的SOA戰(zhàn)略，他們都建議用戶在建設(shè)企業(yè)IT系統(tǒng)的時(shí)候應(yīng)首先考慮SOA；在學(xué)術(shù)界中，研究人員們組織了多個(gè)服務(wù)計(jì)算技術(shù)委員會，并重點(diǎn)關(guān)注SOA的研究。根據(jù)美國著名的IT市場研究與顧問咨詢公司Gartner?Group的預(yù)測，SOA將結(jié)束傳統(tǒng)的整體軟件體系架構(gòu)長達(dá)40年的統(tǒng)治地位，并成為新的占絕對優(yōu)勢的軟件工程實(shí)踐方法。在SOA的思想中，服務(wù)是功能組件的基本單位，而通過發(fā)現(xiàn)與組合服務(wù)可以滿足用戶的各種需求。然而隨著SOA的迅速發(fā)展，互聯(lián)網(wǎng)上的各種Web服務(wù)的數(shù)量在急劇增加，因此讓用戶手動(dòng)的發(fā)現(xiàn)與組合合適的服務(wù)來實(shí)現(xiàn)預(yù)定的功能已越來越困難，而針對服務(wù)組合的推薦機(jī)制能夠主動(dòng)的向用戶推薦合適的服務(wù)組合，所以它逐漸成為學(xué)術(shù)界與工業(yè)界關(guān)注的問題。目前對于服務(wù)組合推薦機(jī)制的研究，都是基于服務(wù)的顯式屬性（如服務(wù)的功能與服務(wù)的質(zhì)量等）進(jìn)行的，但是服務(wù)的顯式屬性并不能完全反映用戶的需求，對于用戶偏好等隱式屬性則無法體現(xiàn)。因此，一種能充分體現(xiàn)用戶需求，既能考慮服務(wù)的顯式屬性，又能兼顧服務(wù)的隱式屬性的服務(wù)組合推薦機(jī)制，已成為目前學(xué)術(shù)界與工業(yè)界的急切需求。

Web服務(wù)是由服務(wù)提供商發(fā)布在互聯(lián)網(wǎng)上的功能體，通過調(diào)用Web服務(wù)可以實(shí)現(xiàn)一定的功能，而通過組合多個(gè)Web服務(wù)，就能實(shí)現(xiàn)更豐富的功能，但是隨著互聯(lián)網(wǎng)上Web服務(wù)的數(shù)量的激增，要在眾多的Web服務(wù)中找到滿足需求且質(zhì)量良好，并得到一個(gè)很好的服務(wù)組合方案變得越來越困難。

發(fā)明內(nèi)容

針對上述技術(shù)缺陷，本發(fā)明根據(jù)用戶需求的共通性，以及服務(wù)的好壞表現(xiàn)為使用該服務(wù)的人數(shù)（或次數(shù)）的多少，充分利用了所有用戶的服務(wù)組合的歷史使用記錄，從眾多的候選服務(wù)中選出最好（也就是使用次數(shù)最多）的服務(wù)組合，最終為用戶推薦一個(gè)最好的服務(wù)組合方案并由此提出該服務(wù)組合的推薦系統(tǒng)。

為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

一種基于貝葉斯原理的服務(wù)組合推薦方法,包括如下步驟:

1)?將使用過的歷史服務(wù)組合根據(jù)相似度進(jìn)行K中心聚類;

2)?根據(jù)服務(wù)組合的使用日志，統(tǒng)計(jì)每個(gè)歷史服務(wù)組合的使用次數(shù)；

3)?根據(jù)原始服務(wù)組合方案，找出歷史服務(wù)組合中概率P最大的一個(gè)并推薦給用戶,所述概率P為推薦系統(tǒng)猜測用戶真正想要的服務(wù)組合在歷史服務(wù)組合概率最大的一個(gè)；

所述原始服務(wù)組合方案為用戶輸入的服務(wù)組合方案。

進(jìn)一步的,所述步驟1）中首先輸入所有歷史服務(wù)組合集合R、分類數(shù)K以及最大循環(huán)次數(shù)L?，經(jīng)過初始化后從服務(wù)組合集合R中為K個(gè)分類隨機(jī)選擇K個(gè)服務(wù)組合作為中心點(diǎn)；然后進(jìn)入循環(huán)，先為服務(wù)組合集合R中的每個(gè)服務(wù)組合尋找與它最相似的中心點(diǎn)，并將其加入該中心點(diǎn)對應(yīng)的分類中，再重新計(jì)算每個(gè)分類的中心點(diǎn)，即與分類中其他服務(wù)組合的相似度最高的服務(wù)組合，如果中心點(diǎn)較上一輪循環(huán)發(fā)生了變化并且循環(huán)次數(shù)小于L，則繼續(xù)循環(huán)，否則跳出循環(huán)；最后輸出K個(gè)服務(wù)組合分類以及它們的中心點(diǎn)。

進(jìn)一步的,所述步驟3）輸入原始服務(wù)組合方案S₀、K個(gè)服務(wù)組合分類以及它們的中心點(diǎn)，首先從K個(gè)分類的中心點(diǎn)中找出與S₀最相似的中心點(diǎn)，設(shè)其對應(yīng)的分類為G；然后從分類G中找出服務(wù)組合S，使乘積Sim(S₀,?S)×U(S)最大，將服務(wù)組合S作為推薦的服務(wù)組合輸出；

所述Sim(S₀,?S)為服務(wù)組合S₀與服務(wù)組合S的相似度；U(S)為服務(wù)組合S的使用次數(shù)。

應(yīng)用上述方法的推薦系統(tǒng)，包括服務(wù)組合聚類器、使用次數(shù)計(jì)數(shù)器、服務(wù)組合推薦器；

所述服務(wù)組合聚類器從服務(wù)注冊中心和服務(wù)組合使用日志庫獲取服務(wù)相似度以及歷史服務(wù)組合方案，利用K中心聚類方法對歷史服務(wù)組合進(jìn)行分類，使分類中的服務(wù)組合都是相似的；

所述使用次數(shù)計(jì)數(shù)器從所述服務(wù)組合使用日志庫獲取服務(wù)組合使用記錄，并統(tǒng)計(jì)每個(gè)歷史服務(wù)組合的使用次數(shù)；