基于QoS多时段变化特征预测的云服务推荐方法及装置制造方法及图纸

本发明专利技术提供一种基于QoS多时段变化特征预测的云服务推荐方法及装置，方法包括：接收当前用户的服务请求，由服务请求解析出当前用户的服务需求和客户端上下文特征信息；获取与服务需求匹配的候选云服务集合；依据服务质量历史数据库中的时序数据预测各候选云服务的变化特征的相似度，并结合用户客户端上下文特征的相似性，为当前用户提取邻近用户集合；根据所有邻近用户的历史服务质量时序数据计算候选云服务集合中各候选云服务的综合评价值，并将综合评价值最高的候选云服务推荐给当前用户。本申请可实现对云服务QoS的变化性特征进行全面的刻画和量化计算，提高邻近用户的识别准确度，为当前用户准确预测云服务的QoS并推荐适合的云服务。荐适合的云服务。荐适合的云服务。

【技术实现步骤摘要】
基于QoS多时段变化特征预测的云服务推荐方法及装置


[0001]本专利技术属于云计算和服务计算
，具体是涉及到一种基于QoS多时段变化特征预测的云服务推荐方法及装置。

技术介绍

[0002]近年来，云服务（cloud services）在全球范围内发展迅速，越来越多的供应商开始对外提供包括“云计算”或“云存储”等不同类型的公有云服务产品。通过采购公有云服务，可以帮助用户降低成本、实现弹性计算。随着能够提供相似功能的云服务数量不断增加，人们越来越重视云服务的QoS（Quality of Service，服务质量）。在当前存在大量功能相似且定价接近的候选云服务产品的情况下，如何从响应时间、吞吐量、可用性等用户可直接感受和体验的多维QoS指标，对云服务的整体性能进行客观度量和比较，并结合用户的个性化需求来为用户推荐合适的云服务产品，即云服务推荐问题，一直受到大家的普遍关注。
[0003]多年来，研究人员从不同的角度对云服务推荐问题进行了研究。结合协同过滤算法来推荐云服务是最常用的一种方法。该类方法利用初始用户曾经体验过的云服务的QoS数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述方法包括以下步骤：接收第一用户的服务请求，由所述服务请求解析出所述第一用户的服务需求和客户端上下文特征信息；根据所述客户端上下文特征信息和所述服务需求获取与所述服务需求匹配的第一候选云服务，构成候选云服务集合；依据服务质量历史数据库中的时序数据预测各所述第一候选云服务的变化特征的相似度，并结合所述客户端上下文特征信息的相似性，提取与所述第一用户相似的邻近用户集合；根据所述邻近用户集合中所有邻近用户的历史服务质量时序数据计算所述候选云服务集合中各所述第一候选云服务的综合评价值，并将所述综合评价值最高的所述第一候选云服务推荐给所述第一用户。2.如权利要求1所述的基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述服务需求包括功能性需求和非功能性需求；所述非功能性需求包括：时间段集合、各个时间段的权重向量、多个服务质量参数以及各个服务质量参数的权重，所述服务质量参数包括：响应时间、吞吐量、可用性、可连续性、可靠性或/和延迟。3.如权利要求1所述的基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述根据所述客户端上下文特征信息和所述服务需求获取与所述服务需求匹配的第一候选云服务，构成候选云服务集合，包括：从各大云服务供应商平台所发布的云服务中选取与功能性需求匹配的所有第一候选云服务；从预设的服务质量历史数据库中筛选与所述客户端上下文特征信息相似的多个第二用户；从所有的所述第一候选云服务中，剔除任一所述第二用户使用过且服务质量性能不满足所述服务需求的云服务；将所有剩余的所述第一候选云服务构成候选云服务集合。4.如权利要求2所述的基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述步骤“依据服务质量历史数据库中的时序数据预测各所述第一候选云服务的变化特征相似度，并结合所述客户端上下文特征信息的相似性，提取与所述第一用户相似的邻近用户集合”具体包括：从预设的服务质量历史数据库中选取所述第一用户使用过的多个第二候选云服务；根据所述客户端上下文特征信息和所述服务需求，结合云模型理论和标准马氏距离算法或变权双马氏距离算法，计算使用过的至少一个所述第二候选云服务的任一邻近用户与所述第一用户的综合相似度；基于所述综合相似度获取所述第一用户的邻近用户集合。5.如权利要求4所述的基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述根据所述客户端上下文特征信息和所述服务需求基于云模型理论计算使用过至少一个所述第二候选云服务的任一邻近用户与所述第一用户的综合相似度，包括：从预设的服务质量历史数据库中选取使用过至少一个所述第二候选云服务的所有邻
近用户；从预设的服务质量历史数据库中提取各所述第二候选云服务的服务质量历史时序数据；根据所述服务质量历史时序数据使用云模型理论根据所述非功能性需求中的所述时间段集合进行分时段建模，获取任一服务质量参数下且与任一所述第二候选云服务关联的所述第一用户的第一服务质量云模型集合以及任一所述邻近用户的第二服务质量云模型集合；针对任一服务质量参数，应用马氏距离算法计算与任一所述第二候选云服务关联的所述第一服务质量云模型集合与任一所述第二服务质量云模型集合之间的相似度，其中，所述相似度为所述第一用户与任一所述邻近用户在任一所述第二候选云服务上的相似度；根据各个服务质量参数的权重对所述相似度进行加权求和，得到所述第一用户与任一所述邻近用户在任一所述第二候选云服务上的累积相似度；根据任一所述邻近用户使用过的多个所述第二候选云服务对所述累积相似度进行加权求和，得到任一所述邻近用户与所述第一用户的综合相似度。6.如权利要求5所述的基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述基于所述综合相似度获取所述第一用户的邻近用户集合，包括：根据任一所述邻近用户的客户端上下文特征信息与所述第一用户的客户端上下文特征信息的相似程度对任一所述邻近用户与所述第一用户的所述综合相似度进行补偿加分，得到最终的相似度得分；根据所述相似度得分选择预设数量个最相似的邻近用户构成初始邻近用户集...

【专利技术属性】
技术研发人员：马华，张红宇，黄培纪，蒋子旭，唐文胜，熊超，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：