基于熵的时间感知混合云服务推荐方法技术

本发明专利技术提供一种基于熵的时间感知混合云服务推荐方法、系统、存储介质和电子设备，涉及云服务推荐技术领域。本发明专利技术包括：基于熵的时间感知共评估服务权重计算；用户相似度和信任度计算；QoS指标评分预测与服务推荐。该云服务推荐方法能够有效解决服务QoS预测准确率低、推荐效果差、数据稀疏等问题，实验证明将基于熵的服务权重和用户信任度引入到传统推荐算法中是可行且有效的，具有一定实际意义。具有一定实际意义。具有一定实际意义。

【技术实现步骤摘要】
基于熵的时间感知混合云服务推荐方法


[0001]本专利技术涉及云服务推荐
，具体涉及基于熵的时间感知混合云服务推荐方法、系统、存储介质和电子设备。

技术介绍

[0002]云计算提供了高分布式平台和灵活的计算架构，为需求/目标用户提供按需和高质量的服务。在众多云计算平台中，如AmazonEC2、GoogleAppEngine和MicrosoftAzure等，各种分布式资源和功能都被虚拟化和封装成组件服务，并部署在云基础设施中，提供丰富的功能。随着越来越多的服务在云平台中共享相似甚至重叠的功能，“信息爆炸”使得用户很难决定选择哪个服务。在此背景下，推荐系统应运而生，其旨在通过用户过去的服务调用行为，预测当前时刻目标用户对推荐服务的个性化偏好，从而为目标用户推荐可能感兴趣的服务。
[0003]服务质量(QualityofService，QoS)指标是推荐系统中用于衡量用户个性化偏好的通用化标准，如时间、成本、可靠性等。随着推荐系统不断更新，越来越多基于QoS的服务质量预测与推荐算法被提出被应用于不同领域，如电影、图书、音乐等。协同过滤(CF)算法是其中最为流行和扩展使用的推荐算法之一，其基本假设是相似的用户共享相似的兴趣，即利用相似用户的历史服务调用QoS记录来预测目标用户的服务QoS值，并进行服务推荐。
[0004]然而，现有基于CF的云服务推荐方法假设用户的所有历史QoS指标评分对于用户相似度计算具有相同权重，忽视了由服务质量动态性和用户偏好瞬时性所导致的用户感知的服务质量差异。少数时间感知服务推荐方法仅从主观时间序列长短来衡量服务QoS的变化程度，导致错误的估算用户相似度。此外，存在的虚假甚至恶意的QoS指标评分引发的信任问题也会极大影响预测准确率和推荐质量。因此，如何客观的量化用户感知的服务QoS的差异，并考虑QoS指标评分的信任性问题对于云服务推荐至关重要。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了基于熵的时间感知混合云服务推荐方法、系统、存储介质和电子设备，解决了现有技术未客观的量化用户感知的服务QoS的差异，以及未考虑QoS指标评分的信任性问题的技术问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]一种基于熵的时间感知混合云服务推荐方法，包括：
[0010]获取用户集合、服务集合、每一服务的各项历史QoS指标评分、服务调用时间戳，并对所述历史QoS指标评分进行归一化处理；
[0011]根据归一化前的历史QoS指标评分和对应的服务调用时间戳，构建第一矩阵；根据归一化后的历史QoS指标评分和对应的服务调用时间戳，构建第二矩阵；
[0012]根据所述第一矩阵，计算所述用户集合中任意两个用户的共调用服务在调用时间间隔内的熵值，获取共调用服务的权重；
[0013]根据所述第二矩阵和共调用服务的权重，获取第一用户的相似且信任的最近邻用户集；其中，所述第一用户为当前服务推荐的目标用户；
[0014]根据筛选出的最近邻用户及其历史QoS指标评分，获取当前时刻第一用户的QoS指标预测值；
[0015]遍历服务的各项QoS指标，获取当前时刻第一用户的各项QoS指标预测值，采用层次分析法确定各指标权重，并通过加权获取当前服务的综合QoS预测值；
[0016]按照不同服务的综合QoS预测值进行排序，选择top
‑
n个服务形成推荐列表供第一用户选择。
[0017]优选的，所述第一用户的相似且信任的最近邻用户集的获取过程包括：
[0018]若第一用户与第二用户之间有共调用服务，其中所述第二用户为用户集合中除了第一用户以外的任意一个用户：
[0019]则根据所述第二矩阵和共调用服务的权重，采用皮尔逊相似度算法，获取第一用户和第二用户之间的直接相似度；并采用距离公式获取第一用户对第二用户的局部信任度；
[0020]根据所述直接相似度和局部信任度，获取此种情况下第二用户对第一用户的贡献度，根据贡献度的大小，获取满足第一预设数量的第一用户的直接最近邻；
[0021]若第一用户与第二用户之间没有共调用服务：
[0022]则寻找两者的共同相似用户，并标记为第三用户，根据所述第二矩阵和共调用服务的权重，采用皮尔逊相似度算法，分别获取第一用户和第三用户之间的、以及第二用户和第三用户之间的直接相似度，从而获取第一用户与第二用户之间的间接相似度；并采用距离公式获取第三用户对第二用户的局部信任度，获取第二用户的全局信任度，作为第一用户对第二用户的信任度；
[0023]根据所述间接相似度和全局信任度，获取此种情况下第二用户对第一用户的贡献度，根据贡献度的大小，获取满足第二预设数量的第一用户的拓展最近邻；
[0024]合并所述直接最近邻和拓展最近邻，获取所述第一用户的相似且信任的最近邻用户集。
[0025]优选的，所述共调用服务的权重的获取过程包括：
[0026](1)定义为共调用服务s
j
在第一用户u
i
和第二用户u
k
调用时间间隔Δt1内所有用户对其评估的QoS向量集合，计算s
j
在Δt1内的熵值，
[0027][0028]Δt1＝|t
ij
‑
t
kj
|
[0029][0030]其中，为共调用服务s
j
在用户u
i
和u
k
对其调用时间间隔Δt1内的熵值；D为可选
择的QoS指标评分域，|D1|为中包含QoS指标评分的种类；t
ij
和t
kj
分别为u
i
和u
k
调用s
j
的时间戳；为D中每QoS指标评分在中出现的概率；为QoS指标评分f在中出现的次数，N1为中总的QoS指标评分数量；
[0031](2)定义为共调用服务s
j
在第一用户u
i
和第二用户u
k
对其调用时间到当前服务推荐时间间隔Δt2内所有用户对其评估的QoS向量集合，计算s
j
在Δt2内的熵值，
[0032][0033][0034][0035]其中，为共调用服务s
j
在用户u
i
和u
k
对其调用时间间隔Δt2内的熵值；|D1|为中包含QoS指标评分的种类；t
cur
为当前服务推荐时间；为D中每QoS指标评分在中出现的概率；为QoS指标评分f在中出现的次数，N2为中总的QoS指标评分数量；
[0036](3)根据上述两个熵值，定义基于熵感知的共调服务s
j
的权重，
[0037][0038]其中，w
j
为共调用服务s<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于熵的时间感知混合云服务推荐方法，其特征在于，包括：获取用户集合、服务集合、每一服务的各项历史QoS指标评分、服务调用时间戳，并对所述历史QoS指标评分进行归一化处理；根据归一化前的历史QoS指标评分和对应的服务调用时间戳，构建第一矩阵；根据归一化后的历史QoS指标评分和对应的服务调用时间戳，构建第二矩阵；根据所述第一矩阵，计算所述用户集合中任意两个用户的共调用服务在调用时间间隔内的熵值，获取共调用服务的权重；根据所述第二矩阵和共调用服务的权重，获取第一用户的相似且信任的最近邻用户集；其中，所述第一用户为当前服务推荐的目标用户；根据筛选出的最近邻用户及其历史QoS指标评分，获取当前时刻第一用户的QoS指标预测值；遍历服务的各项QoS指标，获取当前时刻第一用户的各项QoS指标预测值，采用层次分析法确定各指标权重，并通过加权获取当前服务的综合QoS预测值；按照不同服务的综合QoS预测值进行排序，选择top
‑
n个服务形成推荐列表供第一用户选择。2.如权利要求1所述的基于熵的时间感知混合云服务推荐方法，其特征在于，所述第一用户的相似且信任的最近邻用户集的获取过程包括：若第一用户与第二用户之间有共调用服务，其中所述第二用户为用户集合中除了第一用户以外的任意一个用户：则根据所述第二矩阵和共调用服务的权重，采用皮尔逊相似度算法，获取第一用户和第二用户之间的直接相似度；并采用距离公式获取第一用户对第二用户的局部信任度；根据所述直接相似度和局部信任度，获取此种情况下第二用户对第一用户的贡献度，根据贡献度的大小，获取满足第一预设数量的第一用户的直接最近邻；若第一用户与第二用户之间没有共调用服务：则寻找两者的共同相似用户，并标记为第三用户，根据所述第二矩阵和共调用服务的权重，采用皮尔逊相似度算法，分别获取第一用户和第三用户之间的、以及第二用户和第三用户之间的直接相似度，从而获取第一用户与第二用户之间的间接相似度；并采用距离公式获取第三用户对第二用户的局部信任度，获取第二用户的全局信任度，作为第一用户对第二用户的信任度；根据所述间接相似度和全局信任度，获取此种情况下第二用户对第一用户的贡献度，根据贡献度的大小，获取满足第二预设数量的第一用户的拓展最近邻；合并所述直接最近邻和拓展最近邻，获取所述第一用户的相似且信任的最近邻用户集。3.如权利要求1所述的基于熵的时间感知混合云服务推荐方法，其特征在于，所述共调用服务的权重的获取过程包括：(1)定义为共调用服务s
j
在第一用户u
i
和第二用户u
k
调用时间间隔Δt1内所有用户对其评估的QoS向量集合，计算s
j
在Δt1内的熵值，
Δt1＝|t
ij
‑
t
kj
|其中，为共调用服务s
j
在用户u
i
和u
k
对其调用时间间隔Δt1内的熵值；D为可选择的QoS指标评分域，|D1|为中包含QoS指标评分的种类；t
ij
和t
kj
分别为u
i
和u
k
调用s
j
的时间戳；为D中每QoS指标评分在中出现的概率；为QoS指标评分f在中出现的次数，N1为中总的QoS指标评分数量；(2)定义为共调用服务s
j
在第一用户u
i
和第二用户u
k
对其调用时间到当前服务推荐时间间隔Δt2内所有用户对其评估的QoS向量集合，计算s
j
在Δt2内的熵值，内的熵值，内的熵值，其中，为共调用服务s
j
在用户u
i
和u
k
对其调用时间间隔Δt2内的熵值；|D1|为中包含QoS指标评分的种类；t
cur
为当前服务推荐时间；为D中每QoS指标评分在中出现的概率；为QoS指标评分f在中出现的次数，N2为中总的QoS指标评分数量；(3)根据上述两个熵值，定义基于熵的共调服务s
j
的权重，其中，w
j
为共调用服务s
j
的权重。4.如权利要求2所述的基于熵的时间感知混合云服务推荐方法，其特征在于，若第一用户与第二用户之间有共调用服务：所述直接相似度，如下式所示：其中，sim(u
i
，u
k
)为用户u
i
和u
k
之间的直接相似度；为第一用户u
i
调用的服务集合，为第二用户uk调用的服务集合，为用户u
i
和u
k
共调用的服务集合；为u
i
给出的...

【专利技术属性】
技术研发人员：赵爽耀，唐春华，张强，蔡正阳，陈彬彬，丁贾明，黄挺，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：