【技术实现步骤摘要】
基于Skyline计算的服务数据选择方法及装置
本公开属于数据处理领域，尤其涉及一种基于Skyline计算的服务数据选择方法及装置。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。随着社会科技的不断发展，人们收集数据的手段越来越丰富，数据量急剧增加，服务选择成为一个难题。人们难以从众多的服务中快速的选择出QoS属性最优的服务；专利技术人发现，传统的服务选择方法是将服务的QoS属性两两进行比较，以选择出QoS属性较优的服务，这种方法将会非常消耗时间。Skyline计算被引入服务选择，Skyline计算最主要的目的是找出数据库中不被其他数据点支配的所有点的集合；专利技术人还发现，现有的Skyline算法在面对海量服务的时候，计算效率都会大幅下降。
技术实现思路
为了解决上述问题，本公开的第一个方面提供一种基于Skyline计算的服务数据选择方法，其能够快速地从海量服务数据中查找出属性最优的数据。为了实现上述目的，本公开采用如下技术方案：一种基于Skyline计算的服务数据选择方法，包括：选取服务数据集中数据点的任意两个属于同一类性的非功...
【技术保护点】
1.一种基于Skyline计算的服务数据选择方法，其特征在于，包括：选取服务数据集中数据点的任意两个属于同一类性的非功能属性分别为横坐标和纵坐标，构建二维坐标系，并将服务数据集映射到二维坐标系中；计算服务数据集中数据点值的大小，查找出划分服务数据集的点；针对服务数据集对应的二维区域，采用最近邻算法在划分服务数据集的点处只进行一次划分；合并区域内的服务数据点，这些进行合并操作的区域中服务数据点至少有一个非功能属性优于所述划分服务数据集的点的非功能属性；利用位图法，计算出合并区域中的Skyline Point即为属性最优的点。
【技术特征摘要】
1.一种基于Skyline计算的服务数据选择方法，其特征在于，包括：选取服务数据集中数据点的任意两个属于同一类性的非功能属性分别为横坐标和纵坐标，构建二维坐标系，并将服务数据集映射到二维坐标系中；计算服务数据集中数据点值的大小，查找出划分服务数据集的点；针对服务数据集对应的二维区域，采用最近邻算法在划分服务数据集的点处只进行一次划分；合并区域内的服务数据点，这些进行合并操作的区域中服务数据点至少有一个非功能属性优于所述划分服务数据集的点的非功能属性；利用位图法，计算出合并区域中的SkylinePoint即为属性最优的点。2.如权利要求1所述的一种基于Skyline计算的服务数据选择方法，其特征在于，在查找划分服务数据集的点的过程中，定义数据集中数据点大小为数据点对应的两个非功能属性之和；所述非功能属性的类性包括成本型属性和效益型属性；若选择的非功能属性是成本型属性，则数据集中数据点值最小的数据点作为划分数据集的点；若选择的非功能属性是效益型属性，则数据集中数据点值最大的数据点作为划分数据集的点。3.如权利要求1所述的一种基于Skyline计算的服务数据选择方法，其特征在于，利用位图法，计算出合并区域中的SkylinePoint的过程为：将二维坐标系中的服务数据集中数据点对应的坐标转换成位向量，将二维坐标系的每个维度均转化成一个位图；对于服务数据集中的任意数据点，该数据点的坐标对应的两个维度的位向量中的每一位对应进行与运算，如果最后的结果有且只有一个为1，那么这个点就是SkylinePoint。4.如权利要求3所述的一种基于Skyline计算的服务数据选择方法，其特征在于，服务数据集是由d维数据点组成，任意一个数据点S(S1,S2,……Sd)，假设在某i维上有Ki个不同属性值，服务数据集在i维上有ki个不同的值；1≤i≤d；每个数据点中第i维的值转化为ki个位串，将其投影在[0,1]中，转化规则是：数据点S在第i维的值为Si，用Value(Si)代表si在上面排第Value(Si)位，从最高位到Value(Si)位赋值1，从Value(Si)-1位开始的赋值0形成一个位串，将d个位串合起来就形成一个位向量，将所有数据点转换成位向量即可变成一张位图。5.一种基于Skyline计算的服务数据选择装置，其特征在于，包括：数据集映射模块，其用于选取服务数据集中数据点的任意两个属于同一类性的非功能属性分别为横坐标和纵坐标，构建二维坐标系，并将服务数据集映射到二维坐标系中；划分点查找模块，其用于计算服务数据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。