[發(fā)明專利]一種基于用戶協(xié)同正則化的個性化Web服務(wù)組合方法

在審

• 申請?zhí)枺?/td>: 201610017825.3
• 申請日: 2016-01-12
• 公開（公告）號: CN105491157A
• 公開（公告）日: 2016-04-13
• 發(fā)明（設(shè)計）人: 尹建偉;羅威;鄧水光;李瑩;吳健;吳朝暉
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 杭州天勤知識產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

技術(shù)領(lǐng)域

本發(fā)明屬于計算機服務(wù)技術(shù)領(lǐng)域，具體涉及一種基于用戶協(xié)同正則化的個性化Web服務(wù)組合方法。

背景技術(shù)

近年來，Web服務(wù)技術(shù)在蓬勃發(fā)展，作為一種隨時可被用戶訪問的互聯(lián)網(wǎng)資源，Web服務(wù)廣泛地部署在互聯(lián)網(wǎng)企業(yè)中并滿足用戶需求。隨著互聯(lián)網(wǎng)朝著云計算的目標(biāo)不斷演進(jìn)，Web服務(wù)的發(fā)展呈現(xiàn)出以下四點趨勢：(1)服務(wù)數(shù)量快速增長，互聯(lián)網(wǎng)上存在數(shù)以萬計的各類服務(wù)；(2)服務(wù)描述語義化，語義信息為服務(wù)的功能描述提供了統(tǒng)一規(guī)范；(3)服務(wù)的QoS(QualityofService)受到關(guān)注，QoS成為用戶在使用服務(wù)時考慮的重要指標(biāo)；(4)云計算環(huán)境下服務(wù)執(zhí)行環(huán)境更為復(fù)雜多變，原本可用的服務(wù)在某些特定環(huán)境下可能變得無法使用，因而帶有更多執(zhí)行方案的組合服務(wù)將顯得更加可靠。在此背景之下，如何快速地從海量服務(wù)中得到盡可能多的既能滿足用戶需求又具有最優(yōu)QoS的組合服務(wù)將是云計算趨勢下Web服務(wù)的研究重點。

目前，用戶服務(wù)選擇研究均包含一個公共前提：即用戶必須首先知道所有服務(wù)的QoS信息，然后再制定策略進(jìn)行選擇。然而在真實情況下，這種數(shù)據(jù)前提要求很難得到滿足，原因如下：(1)絕大部分服務(wù)資源都是由商業(yè)公司提供，獲取服務(wù)的QoS信息只能通過用戶調(diào)用方式進(jìn)行，然而這要花費用戶大量的金錢和時間成本。(2)當(dāng)代互聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)復(fù)雜，用戶通過調(diào)用方式獲得的QoS信息包含了大量的噪聲，以致于研究者需要花費大量的精力清洗數(shù)據(jù)。因此，在真實的應(yīng)用場景下，大量充足的QoS資源是無法通過調(diào)用服務(wù)的方式獲得的。QoS信息的缺失，直接導(dǎo)致企業(yè)只能提供服務(wù)子集讓用戶進(jìn)行選擇，無法很好地滿足用戶需求。

提高用戶服務(wù)選擇滿意度的高效方法，是使用數(shù)學(xué)模型解決QoS稀缺性問題。近年來，研究者都在思考如何通過使用機器學(xué)習(xí)方法對缺失的QoS數(shù)據(jù)資源進(jìn)行預(yù)測。目前大部分工作中，對未知的QoS信息進(jìn)行預(yù)測主要使用基于PearsonCorrelationCoefficient(PCC)方法來計算客戶端用戶之間或者Web服務(wù)之間的相似度。然而，這種計算方法存在以下兩點不足：(1)PCC方法需要對歷史記錄中的QoS作統(tǒng)計學(xué)習(xí)，嚴(yán)重依賴于數(shù)據(jù)的準(zhǔn)確性和完備性。然而由于當(dāng)代互聯(lián)網(wǎng)環(huán)境的復(fù)雜性，QoS記錄并不一定都是準(zhǔn)確的，致使PCC方法在服務(wù)計算場景下相似性計算準(zhǔn)確率下降。(2)傳統(tǒng)的PCC方法廣泛地應(yīng)用在推薦系統(tǒng)領(lǐng)域。然而，推薦系統(tǒng)和服務(wù)計算的應(yīng)用場景存在著本質(zhì)的區(qū)別，在QoS歷史記錄中，每一項都是由用戶的實際使用網(wǎng)絡(luò)環(huán)境決定的，這種數(shù)據(jù)客觀性的特點直接降低了PCC相似度計算的精度。

此外，目前主流的Web服務(wù)自動組合技術(shù)存在用戶滿意度低等問題，究其原因是因為核心的QoS預(yù)測模塊運行時受到數(shù)據(jù)噪音干擾，致使無法高效組合候選服務(wù)列表。如何從極其稀疏的歷史數(shù)據(jù)中學(xué)習(xí)到規(guī)律并預(yù)測Web服務(wù)的全體QoS信息，是當(dāng)前服務(wù)自動組合中的關(guān)鍵難題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)所存在的上述技術(shù)問題，本發(fā)明提供了一種基于用戶協(xié)同正則化的個性化Web服務(wù)組合方法，其通過融合用戶歷史數(shù)據(jù)的矩陣分解算法可以高效地預(yù)測服務(wù)的QoS信息，并支持滿足用戶的個性化服務(wù)組合需求。

一種基于用戶協(xié)同正則化的個性化Web服務(wù)組合方法，包括如下步驟：

(1)收集所有用戶提供的服務(wù)調(diào)用數(shù)據(jù)，所述的服務(wù)調(diào)用數(shù)據(jù)包括用戶對其調(diào)用過的所有Web服務(wù)的QoS數(shù)據(jù)；進(jìn)而根據(jù)所述的QoS數(shù)據(jù)建立用戶與Web服務(wù)之間的QoS元矩陣S；

(2)根據(jù)所述的QoS元矩陣S確定出每個用戶的鄰域用戶集合；

(3)根據(jù)所述的QoS元矩陣S以及每個用戶的鄰域用戶集合，通過SVD方法建立以下目標(biāo)函數(shù)J，并對該目標(biāo)函數(shù)J進(jìn)行最小化求解，以求得關(guān)于用戶的隱式特征矩陣U和關(guān)于Web服務(wù)的隱式特征矩陣V；進(jìn)而根據(jù)R＝U^TV重建用戶與Web服務(wù)之間的QoS預(yù)測矩陣R；