一种服务供需双边模式关联矩阵构造与更新方法技术

本发明专利技术提供一种服务供需双边模式关联矩阵构造与更新方法。步骤1：定义关联矩阵，所述关联矩阵包括需求，服务，需求模式，服务模式以及用户情境信息；步骤2：设置与步骤1关联矩阵相中的用户情境维度信息；步骤3：基于步骤1的关联矩阵与步骤2的用户情境维度信息进行供需双边模式匹配度计算；步骤4：基于步骤3的供需双边模式匹配度构建供需双边模式关联矩阵；步骤5：利用步骤4的模型进行供需双边模式关联矩阵的更新，在更新效率与更新效果间进行均衡。用以解决越来越难以高效快速得到满足大规模个性化用户需求的服务方案的问题。个性化用户需求的服务方案的问题。个性化用户需求的服务方案的问题。

【技术实现步骤摘要】
一种服务供需双边模式关联矩阵构造与更新方法


[0001]本专利技术涉及服务供需匹配领域，具体涉及一种服务供需双边模式关联矩阵构造与更新方法。

技术介绍

[0002]随着大数据、云计算、物联网等理论和技术的快速发展，互联网上可用的服务数量急剧增加。与此同时，单一的服务越来越难以满足用户日益复杂的服务需求，如何高效构建用户满意的服务方案成为了服务设计和优化的核心问题。现有的服务组合和服务选择技术局限在使用单个服务进行匹配，越来越难以高效快速得到满足大规模个性化用户需求的服务方案。
[0003]在服务互联网中，用户需求倾向于大粒度和个性化，涉及到的应用业务也体现了很强的复杂性、关联性与跨界性。这时，单一服务往往无法满足用户的需求，通常需要多个不同功能的服务集成使用。由于服务数量繁多，传统的服务组合和服务选择方法在大规模数据量下表现不佳。因此，如何提高服务匹配的效率成为了服务互联网中亟待解决的问题。

技术实现思路

[0004]本专利技术提供一种服务供需双边模式关联矩阵构造与更新方法，用以解决越来越难以高效快速得到满足大规模个性化用户需求的服务方案的问题。
[0005]本专利技术通过以下技术方案实现：
[0006]一种服务供需双边模式关联矩阵构造与更新方法，所述关联矩阵构造与更新方法具体包括以下步骤：
[0007]步骤1：定义关联矩阵，所述关联矩阵包括需求，服务，需求模式，服务模式以及用户情境信息；
[0008]步骤2：设置与步骤1关联矩阵相中的用户情境维度信息；
>[0009]步骤3：基于步骤1的关联矩阵与步骤2的用户情境维度信息进行供需双边模式匹配度计算；
[0010]步骤4：基于步骤3的供需双边模式匹配度构建供需双边模式关联矩阵；
[0011]步骤5：利用步骤4的模型进行供需双边模式关联矩阵的更新，在更新效率与更新效果间进行均衡。
[0012]进一步的，所述步骤1具体为：关联矩阵由R,S,RP,SP,Context五个维度构成，其中，R为需求集合，S为服务集合，RP为需求模式集合，SP为服务模式集合，Context为用户情境信息集合；需求模式与服务模式在不同情境下的关联关系，关联关系的强弱通过匹配度p
ij
∈[0,1)进行度量；
[0013]假设共有n个需求模式与m个服务模式，关联矩阵定义如下：
[0014]当情境ct
k
相同时，设需求模式rp
i
能匹配m
i
个服务模式。a
ij
为需求模式rp
i
与服务模式sp
j
的匹配度；如果二者不能匹配，则匹配度a
ij
＝0；
[0015]由于每个需求模式只对应少量服务模式，m
i
小于m，故需求模式与服务模式之间关系表达为稀疏矩阵A
k
：
[0016][0017]当同一需求模式rp
i
所处的用户情境不同时，其对应的服务模式也不同；设有c个情境信息，设b
k,j
为情境ct
k
时，需求模式rp
i
与服务模式sp
j
的匹配度，如果二者不能匹配，则匹配度b
k,j
＝0；设每个情境信息对应的候选服务模式都有m0个，则相应匹配关系表达为稀疏矩阵B
i
：
[0018][0019]进一步的，所述步骤2具体为，情境信息包括两类：用户情境，即用户年龄、性别等自然信息以及用户的职业和人际关系群体信息；环境情境，即时间和地点用户提出需求时所处的环境；
[0020]采用键值对形式对情境进行建模，对于连续型情境，使用标准化欧氏距离度量两个情境的相似程度；
[0021]对于离散型情境，按照one
‑
hot编码规则转换为连续型情境。
[0022]进一步的，所述步骤3具体为，历史和当前部分数据的匹配度计算需考虑包括时间衰减T
i
、约束满足度C
i
和使用次数；
[0023]所述时间衰减T
i
为第i次匹配的时间衰减程度。其中t0表示当前时间，t
i
表示第i次匹配时间点：
[0024][0025]所述约束满足度C
i
为第i次匹配时需求模式约束满足程度：
[0026][0027]其中，n为约束数量，c
j
为第j个约束的服务模式满足度；
[0028]对于枚举值，满足约束为1，不满足为0；对于范围值的情况，服务模式满足度定义如下式所示：
[0029][0030]其中，w
min
与w
max
指需求模式中约束的最小值与最大值，w为约束的实际值；
[0031]匹配次数记为N；
[0032]综合三个参数，包含历史和当前部分信息的匹配度p
n
表示为：
[0033][0034]其中，为N次匹配时间衰减T
i
的平均值，为约束满足度C
i
的平均值；
[0035]未来部分的匹配度p
f
需要结合特定领域对未来需求与服务的使用情况进行预测，针对性地调整匹配度；
[0036]需求模式中每个子需求的预测值为则需求模式的预测值为
[0037][0038]其中n为子需求的个数，a
i
为子需求i的权值，需求模式中约束多的子需求为更重要的部分，在匹配度计算中权值越大，因此a
i
为子需求i约束的数量；
[0039]同理，服务模式的预测值p
f,s
即为每个服务预测值的平均值。
[0040]进一步的，所述步骤4具体为，使用Birch聚类算法对关联矩阵中的情境信息进行聚类分析，构建的双边模式关联矩阵通过以下步骤实现：
[0041]步骤4.1：输入方案集合solution；
[0042]步骤4.2：设用户情境集合匹配时间点集合关联矩阵
[0043]步骤4.3：服务方案s
i
∈solution，(rp
j
,sp
k
)∈s
i
中的每个元素重复本步骤，将X[(rp
j
,sp
k
)]与D[(rp
j
,sp
k
)]初始化为空列表，X[(rp
j
,sp
k
)]←
X[(rp
j
,sp
k
)]+c
i
，其中c
i
为s
i
中用户情境；D[(rp
j
,sp
k
)]←
D[(rp
j
,sp
k
)]+t
i
，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务供需双边模式关联矩阵构造与更新方法，其特征在于，所述关联矩阵构造与更新方法具体包括以下步骤：步骤1：定义关联矩阵，所述关联矩阵包括需求，服务，需求模式，服务模式以及用户情境信息；步骤2：设置与步骤1关联矩阵相中的用户情境维度信息；步骤3：基于步骤1的关联矩阵与步骤2的用户情境维度信息进行供需双边模式匹配度计算；步骤4：基于步骤3的供需双边模式匹配度构建供需双边模式关联矩阵；步骤5：利用步骤4的模型进行供需双边模式关联矩阵的更新，在更新效率与更新效果间进行均衡。2.根据权利要求1所述一种服务供需双边模式关联矩阵构造与更新方法，其特征在于，所述步骤1具体为：关联矩阵由R,S,RP,SP,Context五个维度构成，其中，R为需求集合，S为服务集合，RP为需求模式集合，SP为服务模式集合，Context为用户情境信息集合；需求模式与服务模式在不同情境下的关联关系，关联关系的强弱通过匹配度p
ij
∈[0,1)进行度量；假设共有n个需求模式与m个服务模式，关联矩阵定义如下：当情境ct
k
相同时，设需求模式rp
i
能匹配m
i
个服务模式。a
ij
为需求模式rp
i
与服务模式sp
j
的匹配度；如果二者不能匹配，则匹配度a
ij
＝0；由于每个需求模式只对应少量服务模式，m
i
小于m，故需求模式与服务模式之间关系表达为稀疏矩阵A
k
：当同一需求模式rp
i
所处的用户情境不同时，其对应的服务模式也不同；设有c个情境信息，设b
k,j
为情境ct
k
时，需求模式rp
i
与服务模式sp
j
的匹配度，如果二者不能匹配，则匹配度b
k,j
＝0；设每个情境信息对应的候选服务模式都有m0个，则相应匹配关系表达为稀疏矩阵B
i
：3.根据权利要求1所述一种服务供需双边模式关联矩阵构造与更新方法，其特征在于，所述步骤2具体为，情境信息包括两类：用户情境，即用户自然信息以及用户的职业和人际关系群体信息；环境情境，即时间和地点用户提出需求时所处的环境；采用键值对形式对情境进行建模，对于连续型情境，使用标准化欧氏距离度量两个情境的相似程度；对于离散型情境，按照one
‑
hot编码规则转换为连续型情境。4.根据权利要求1所述一种服务供需双边模式关联矩阵构造与更新方法，其特征在于，
所述步骤3具体为，历史和当前部分数据的匹配度计算考虑包括时间衰减T
i
、约束满足度C
i
和使用次数；所述时间衰减T
i
为第i次匹配的时间衰减程度；其中t0表示当前时间，t
i
表示第i次匹配时间点：所述约束满足度C
i
为第i次匹配时需求模式约束满足程度：其中，n为约束数量，c
j
为第j个约束的服务模式满足度；对于枚举值，满足约束为1，不满足为0；对于范围值的情况，服务模式满足度定义如下式所示：其中，w
min
与w
max
指需求模式中约束的最小值与最大值，w为约束的实际值；匹配次数记为N；综合三个参数，包含历史和当前部分信息的匹配度p
n
表示为：其中，为N次匹配时间衰减T
i
的平均值，为约束满足度C
i
的平均值；未来部分的匹配度p
f
结合特定领域对未来需求与服务的使用情况进行预测，针对性地调整匹配度；需求模式中每个子需求的预测值为则需求模式的预测值为其中n为子需求的个数，a
i
为子需求i的权值，需求模式中约束多的子需求为更重要的部分，在匹配度计算中权值越大，因此a
i
为子需求i约束的数量；同理，服务模式的预测值p
f,s
即为每个服务预测值的平均值。5.根据权利要求1所述一种服务供需双边模式关联矩阵构造与更新方法，其特征在于，所述步骤4具体为，使用Birch聚类算法对关联矩阵中的情境信息进行聚类分析，构建的双边模式关联矩阵通过以下步骤实现：步骤4.1：输入方案集合solution；步骤4.2：设用户情境集合匹配时间点集合关联矩阵步骤4.3：服务方案s
i
∈solution，(rp
j
,sp
k
)∈s
i
中的每个元素重复本步骤，将X[(rp
j
,sp
k
)]与D[(rp
j
,sp
k
)]初始化为空列表，X[(rp
j
,sp
k
)]
←
X[(rp
j
,sp
k
)]+c
...

【专利技术属性】
技术研发人员：王笑，徐汉川，王忠杰，涂志莹，徐晓飞，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：