一种云服务推荐方法及装置制造方法及图纸

本发明专利技术公开了一种云服务推荐方法及系统，包括：根据云服务的评价数据确定云服务的QoS服务质量参数；利用每个云服务的QoS服务质量参数以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值；根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度；根据每个云服务的当前信誉度确定云服务推荐信息。可见，在本方案中，根据用户反馈的评价数据确定QoS服务质量参数，通过该QoS服务质量参数确定信誉度，并根据信誉度生成推荐信息，通过将该推荐信息告知潜在云用户，优化下次云服务的选择，最大程度上满足用户需求，提高云服务效率及质量。

【技术实现步骤摘要】
一种云服务推荐方法及装置
本专利技术涉及云服务推荐
，更具体地说，涉及一种云服务推荐方法及装置。
技术介绍
近年来，随着移动互联网的不断发展，互联网已经融入人们生活各个角落，传统的计算存储愈发不能满足用户的需求，于是出现了“云”。由于云服务具有灵活、高并发、不透明的特性，决定了云服务与云用户之间的沟通问题成为云计算的一个主要障碍。许多研究针对于该方面作出了研究，例如对于用户的身份管理,对于云服务的管理与调度以及建立可信模型等。然而站在用户的角度来看，随着云平台的不断增多，服务功能相似并多样化，用户如何选择最适合自己的服务成为一个问题；由于云服务提供商的增加，服务质量良莠不齐；以及云安全问题的频发，服务质量变化率逐渐变高。由此，如何使用户高效选择最理想的服务，更加成为一个亟待解决的问题。在云服务推荐算法中，首先应该解决的是云用户与云服务之间的信任评估。ChaKraborty等提出一种基于SLA的信任估算方法，融合SLA中的CPU处理能力和存储空间大小等来评估服务提供商的信任；Serrano等提出了一种基于SLA和QoS导向的信任管理模型，该模型重点考虑了服务固有属性方面，对实体行为评估考虑不足；胡春华等提出基于Beta分布的概率密度函数的信任关系计算、推演及合并的演化方法；王颖等提出云计算下分布式信任反馈可信性评估模型，引入反馈共识因子和反馈密度因子，识别有共谋倾向的恶意信任反馈。尽管许多学者考虑在云服务与云用户之间构建安全模型或者建立信誉评估机制，保证一定的安全性与可靠性，但基于云服务特定的封装性，用户与云服务之间是不透明的，因此缺乏了对用户体验的考虑，并没有从用户的需求与动机出发，使时间大量浪费在选择适合自身的云服务上。因此，如何选择合适的云服务，是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种云服务推荐方法及装置，以实现确定云服务推荐信息，为用户选择合适的云服务提供依据。为实现上述目的，本专利技术实施例提供了如下技术方案：一种云服务推荐方法，包括：获取每个云服务的评价数据；根据每个云服务的评价数据确定每个云服务的QoS服务质量参数；利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值；根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度；根据每个云服务的当前信誉度确定云服务推荐信息。其中，所述根据每个云服务的评价数据确定每个云服务的QoS服务质量参数，包括：利用接收的数据包数以及发送的总数据包数确定完整性参数；利用云服务成功完成次数以及云服务总次数确定可靠性参数；利用实际服务的系统吞吐量以及系统吞吐量期望值确定可用性参数；根据服务实际响应时间以及响应时间期待值确定稳定性参数。其中，所述利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值，包括：根据反馈评估量化值确定规则计算反馈评估量化值Ft(c,s)；所述反馈评估量化值确定规则为：Ft(c,s)＝x*C+y*D+z*R+h*S；其中，C为完整性参数，x为完整性参数权重系数，D为可靠性参数，y为可靠性参数权重系数，R为可用性参数，z为可用性参数权重系数，S为稳定性参数，h为稳定性参数权重系数，c为用户，s为云服务。其中，所述根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度，包括：根据信誉度确定规则计算每个云服务的当前信誉度Tr(S)；所述信誉度确定规则为：其中，N(s)为云服务总数，Ct(s,t,t0)为从t至t0时间段内的信任度变化率。其中，所述根据每个云服务的当前信誉度确定云服务推荐信息，包括：根据预定评价规则以及每个云服务的当前信誉度，对云服务进行评价等级分类，并根据分类结果向用户发送云服务推荐信息。一种云服务推荐装置，包括：获取模块，用于获取每个云服务的评价数据；服务质量参数确定模块，用于根据每个云服务的评价数据确定每个云服务的QoS服务质量参数；反馈评估量化值确定模块，用于利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值；当前信誉度确定模块，用于根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度；推荐信息确定模块，用于根据每个云服务的当前信誉度确定云服务推荐信息。其中，所述服务质量参数确定模块包括：第一确定单元，用于利用接收的数据包数以及发送的总数据包数确定完整性参数；第二确定单元，用于利用云服务成功完成次数以及云服务总次数确定可靠性参数；第三确定单元，用于利用实际服务的系统吞吐量以及系统吞吐量期望值确定可用性参数；第四确定单元，用于根据服务实际响应时间以及响应时间期待值确定稳定性参数。其中，所述反馈评估量化值确定模块根据反馈评估量化值确定规则计算反馈评估量化值Ft(c,s)；所述反馈评估量化值确定规则为：Ft(c,s)＝x*C+y*D+z*R+h*S；其中，C为完整性参数，x为完整性参数权重系数，D为可靠性参数，y为可靠性参数权重系数，R为可用性参数，z为可用性参数权重系数，S为稳定性参数，h为稳定性参数权重系数，c为用户，s为云服务。其中，所述当前信誉度确定模块根据信誉度确定规则计算每个云服务的当前信誉度Tr(S)；所述信誉度确定规则为：其中，N(s)为云服务总数，Ct(s,t,t0)为从t至t0时间段内的信任度变化率。其中，所述推荐信息确定模块包括：分类单元，用于根据预定评价规则以及每个云服务的当前信誉度，对云服务进行评价等级分类；发送单元，用于根据分类结果向用户发送云服务推荐信息。通过以上方案可知，本专利技术实施例提供的一种云服务推荐方法，包括：获取每个云服务的评价数据；根据每个云服务的评价数据确定每个云服务的QoS服务质量参数；利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值；根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度；根据每个云服务的当前信誉度确定云服务推荐信息。可见，在本方案中，根据用户反馈的评价数据确定QoS服务质量参数，通过该QoS服务质量参数确定信誉度，并根据信誉度生成推荐信息，通过将该推荐信息告知潜在云用户，优化下次云服务的选择，最大程度上满足用户需求，提高云服务效率及质量；本专利技术还公开了一种云服务推荐装置，同样能实现上述技术效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例公开的一种云服务推荐方法流程示意图；图2为本专利技术实施例公开的一种云服务推荐系统结构示意图；图3为本专利技术实施例公开的云服务推荐流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的本文档来自技高网...

【技术保护点】
一种云服务推荐方法，其特征在于，包括：获取每个云服务的评价数据；根据每个云服务的评价数据确定每个云服务的QoS服务质量参数；利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值；根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度；根据每个云服务的当前信誉度确定云服务推荐信息。

【技术特征摘要】
1.一种云服务推荐方法，其特征在于，包括：获取每个云服务的评价数据；根据每个云服务的评价数据确定每个云服务的QoS服务质量参数；利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值；根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度；根据每个云服务的当前信誉度确定云服务推荐信息。2.根据权利要求1所述的云服务推荐方法，其特征在于，所述根据每个云服务的评价数据确定每个云服务的QoS服务质量参数，包括：利用接收的数据包数以及发送的总数据包数确定完整性参数；利用云服务成功完成次数以及云服务总次数确定可靠性参数；利用实际服务的系统吞吐量以及系统吞吐量期望值确定可用性参数；根据服务实际响应时间以及响应时间期待值确定稳定性参数。3.根据权利要求2所述的云服务推荐方法，其特征在于，所述利用每个云服务的QoS服务质量参数，以及与每个QoS服务质量参数对应的权重系数确定每个云服务的反馈评估量化值，包括：根据反馈评估量化值确定规则计算反馈评估量化值Ft(c,s)；所述反馈评估量化值确定规则为：Ft(c,s)＝x*C+y*D+z*R+h*S；其中，C为完整性参数，x为完整性参数权重系数，D为可靠性参数，y为可靠性参数权重系数，R为可用性参数，z为可用性参数权重系数，S为稳定性参数，h为稳定性参数权重系数，c为用户，s为云服务。4.根据权利要求3所述的云服务推荐方法，其特征在于，所述根据每个云服务的反馈评估量化值、云服务数量、以及与每个云服务在预定时间段的信任度变化率，确定每个云服务的当前信誉度，包括：根据信誉度确定规则计算每个云服务的当前信誉度Tr(S)；所述信誉度确定规则为：其中，N(s)为云服务总数，Ct(s,t,t0)为从t至t0时间段内的信任度变化率。5.根据权利要求1-4中任意一项所述的云服务推荐方法，其特征在于，所述根据每个云服务的当前信誉度确定云服务推荐信息，包括：根据预定评价规则以及每个云服务的当前信誉度，对云服务进行评价等级分类，并根据分类结...

【专利技术属性】
技术研发人员：林穗，李煜臻，郑志豪，黄思颖，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44