[發(fā)明專利]大數(shù)據(jù)場(chǎng)景下面向群組的服務(wù)可靠性預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810112975.1
• 申請(qǐng)日: 2018-02-05
• 公開(kāi)（公告）號(hào): CN108322344B
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 王海艷;王宏靜;許子明
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): H04L12/24
• 分類號(hào): H04L12/24;G06K9/62;H04L29/08
• 代理公司: 南京蘇科專利代理有限責(zé)任公司 32102
• 代理人: 姚姣陽(yáng);杜春秋

1.一種大數(shù)據(jù)場(chǎng)景下面向群組的服務(wù)可靠性預(yù)測(cè)方法，其特征在于，包括以下步驟：

第一步、收集用戶的服務(wù)信息—建立面向群組的服務(wù)可靠性預(yù)測(cè)應(yīng)用模型，在模型中搭建信息收集系統(tǒng)，信息收集系統(tǒng)內(nèi)嵌信息收集功能，用于采集用戶使用服務(wù)的數(shù)據(jù)；轉(zhuǎn)至第二步；

第二步、離線分析—對(duì)采集的所有用戶使用服務(wù)的數(shù)據(jù)進(jìn)行初步的數(shù)據(jù)處理后進(jìn)行清洗；轉(zhuǎn)至第三步；

第三步、離線計(jì)算與預(yù)測(cè)補(bǔ)全—對(duì)清洗后的數(shù)據(jù)進(jìn)行用戶相似度計(jì)算，得到用戶相似度閾值，然后根據(jù)用戶相似度閾值選擇不同數(shù)據(jù)預(yù)測(cè)方式獲取用戶的服務(wù)可靠性矩陣；離線計(jì)算與預(yù)測(cè)補(bǔ)全的具體方法如下：

3.1假定目標(biāo)服務(wù)為Serverj，目標(biāo)用戶為useri，設(shè)定最低預(yù)測(cè)值精確度為P_T，且P_T＝0.3，在此情況下計(jì)算用戶相似度，得到用戶相似度閾值St；設(shè)第一步中收集的用戶集中滿足與目標(biāo)用戶useri相似度高于St全部用戶中與目標(biāo)用戶useri相似度最高的用戶為userk，將用戶集下的用戶userk與目標(biāo)用戶useri進(jìn)行相似度比較，并判斷二者相似度是否高于St，若二者相似度高于St，則該用戶userk滿足條件，若二者相似度低于St，則該用戶userk不滿足條件；然后根據(jù)用戶集下是否有用戶userk滿足與目標(biāo)用戶useri相似度高于St將用戶集分為存在滿足條件用戶的用戶集和不存在滿足條件用戶的用戶集兩種；計(jì)算用戶相似度閾值St的方法如下：從用戶群組中隨機(jī)提取100份數(shù)據(jù)形成新的群組，并將新群組分為兩部分，其中用戶user_1～70作為訓(xùn)練集UserB，user_71～100作為計(jì)算相似度閾值訓(xùn)練數(shù)據(jù)集UserT，通過(guò)計(jì)算相似度閾值訓(xùn)練數(shù)據(jù)集UserT采用TCFS算法得到用戶相似度閾值St；

3.2當(dāng)用戶集為存在滿足條件用戶的用戶集時(shí)，將用戶集下滿足條件的用戶userk組合在一起形成用戶集User[k]；在用戶集User[k]下選取與目標(biāo)用戶useri相似度最高的用戶并記為users，使用用戶users下選取目標(biāo)服務(wù)Serverj產(chǎn)生可靠度，并將該可靠度作為目標(biāo)用戶useri使用目標(biāo)服務(wù)Serverj的可靠度預(yù)測(cè)值；

3.3當(dāng)用戶集為不存在滿足條件用戶的用戶集時(shí)，設(shè)服務(wù)為Serverv，且v≠j，當(dāng)目標(biāo)用戶useri下有使用服務(wù)Serverv的信息時(shí)，計(jì)算目標(biāo)服務(wù)Serverj與服務(wù)Serverv的相似度，基于該服務(wù)相似度選取與目標(biāo)服務(wù)Serverj最相近的k個(gè)鄰服務(wù)，并將這k個(gè)鄰服務(wù)組成服務(wù)集合S，記S＝{…}，在集合S上根據(jù)服務(wù)相似度為目標(biāo)用戶useri填充其未使用過(guò)的服務(wù)Serverp的可靠性評(píng)分；選取服務(wù)集合S中所有使用過(guò)目標(biāo)服務(wù)Serverj的用戶，并計(jì)算該用戶與目標(biāo)用戶useri的相似度，然后根據(jù)該用戶相似度從服務(wù)集合S中選擇與目標(biāo)用戶useri最相近的K個(gè)用戶，最后根據(jù)這K個(gè)用戶使用服務(wù)集合S中的服務(wù)的使用信息來(lái)預(yù)測(cè)目標(biāo)服務(wù)Serverj的可靠性評(píng)分；轉(zhuǎn)至第四步；

第四步、CDN網(wǎng)絡(luò)分發(fā)—將用戶的服務(wù)可靠性矩陣根據(jù)不同的地址段分發(fā)到對(duì)應(yīng)的CDN服務(wù)器。

2.根據(jù)權(quán)利要求1所述大數(shù)據(jù)場(chǎng)景下面向群組的服務(wù)可靠性預(yù)測(cè)方法，其特征在于，第一步中，采集用戶使用服務(wù)數(shù)據(jù)的具體方法如下：用戶訪問(wèn)面向群組的服務(wù)可靠性預(yù)測(cè)應(yīng)用模型的接口時(shí)，接口對(duì)用戶當(dāng)前指派服務(wù)的響應(yīng)時(shí)間以及網(wǎng)絡(luò)吞吐量、成功調(diào)用Web服務(wù)的概率進(jìn)行統(tǒng)計(jì)，以用戶為行，服務(wù)響應(yīng)時(shí)間為列形成用戶的服務(wù)可靠性矩陣，記為PRE-M_u-s。

3.根據(jù)權(quán)利要求2所述大數(shù)據(jù)場(chǎng)景下面向群組的服務(wù)可靠性預(yù)測(cè)方法，其特征在于，第二步中，離線分析的方法由以下步驟構(gòu)成：

2.1基于用戶的服務(wù)可靠性矩陣PRE-M_u-s進(jìn)行去重操作，以去除電腦和網(wǎng)絡(luò)配置完全相同的用戶的服務(wù)數(shù)據(jù)，減少重復(fù)計(jì)算量；

2.2對(duì)去重后的用戶服務(wù)可靠性矩陣PRE-M_u-s進(jìn)行臟數(shù)據(jù)清洗，以刪除評(píng)分差異過(guò)大或內(nèi)容缺失部分。