一种基于定性和定量用户偏好选择可信web服务的方法技术

本发明专利技术公开了一种基于定性和定量用户偏好选择可信web服务的方法，首先计算用户U与其他用户的定性偏好相似度和定量偏好相似度，然后计算每个用户Uj的不同权重，最后将所有web服务的权重排序，选择权重最高的web服务提供给用户U。本发明专利技术方法在服务选择过程中将用户的偏好和服务的信任度结合在一起，可以在用户苛刻的条件下获得高质量的结果。

【技术实现步骤摘要】
一种基于定性和定量用户偏好选择可信web服务的方法
本专利技术属于计算机领域，涉及一种定性定量选择可信Web服务方法。
技术介绍
随着互联网上的web服务增长，选择出满足用户需求的最佳服务越来越困难。在这些提供类似功能的服务当中，选择出最佳服务的前提是我们必须将一系列的非功能属性(NFPs)考虑进去。为了能够进行有效地服务选择，我们需要一个根据用户偏好和服务的信任度的智能算法。服务提供商通过Web标准，如WSDL描述他们的服务，然后把它们发布到一个公共的库，如UDDI，之后，用户使用一个传输协议，如SOAP调用服务。但功能相似的Web服务的快速增长，需要很多人力从服务存储库中选择相应的服务，以满足他们的要求。因此，在这个时候，我们应该做更多的研究如何使用计算机自动为用户选择最佳的服务。大多数研究人员使用定量的解决方案，执行服务选择，但是他们有一个限制。首先，一些非功能属性不能定量表达，如服务的位置(美国或中国)。另一方面，用户对这些属性的偏好往往是有条件的。例如，数据存储服务有两个属性，即，平台和位置。如果平台是一个数据库，而他/她可能会喜欢它位于中国，如果平台是一个文件系统，用户可能更喜欢位于美国的服务。简单地说，单独使用定量或定性的方法不能很好地解决Web服务选择的问题。我们应该结合定性和定量的偏好来进行选择Web服务。从概念上讲，服务的选择是困难的，因为我们面临着一个开放的环境：我们可能不能够信任的服务或服务提供者，因为我们缺乏服务执行环境的知识。选择Web服务时，如果我们选择的服务是不可信的，即使我们能满足用户的喜好，也不能将这些服务提供给用户，因为用户将无法接受的东西这是不可信的。因此，考虑用户的偏好的同时，我们应考虑服务的可信度。
技术实现思路
技术问题：本专利技术提供了一种高效、误差小的基于定性和定量用户偏好选择可信web服务的方法。技术方案：本专利技术的基于定性和定量用户偏好选择可信web服务的方法，包括以下步骤：a)根据条件偏好网络、拓扑排序和定性偏好矩阵来计算用户U与其他用户的定性偏好相似度，具体流程为：a1)把用户U的定性偏好用条件偏好网络的形式描述出来，得到cp-net图；a2)对用户U的cp-net图进行拓扑排序，并给cp-net图中每个定性偏好属性集编号；a3)根据拓扑排序和定性偏好属性集给每一个用户建立定性偏好矩阵；a4)通过定性偏好矩阵的与运算，计算得到用户U与任意一个其他用户Uj的定性偏好相似度，其中j为其他用户的序号；b)利用改进的Cosine相似度来计算用户的定量偏好相似度，具体流程为：首先按照下式计算Cosine相似度：其中，SimQual′(U，Uj)表示用户U与用户Uj的定量偏好相似度，Cj表示用户U与用户Uj共同使用的web服务集合，r[U，i]表示用户U对第i个服务的评分，r[Uj，i]表示用户Uj对第i个服务的评分；然后按照下式对Cosine相似度进行规格化处理：其中，I[U]和I[Uj]分别表示用户U和用户Uj使用过的历史web服务；c)将定性偏好相似度和规格化后的定量偏好相似度与对应的每个用户Uj对web服务的评价结合，再根据每个用户Uj的不同特性得到每个用户关于web服务的推荐度，最后得到每个web服务的整体权重，具体流程为：c1)将步骤a)得到的定性偏好相似度和步骤b)得到的定量偏好相似度相加，得到总的偏好相似度Sim(U,Uj)c2)根据每个用户Uj对当前web服务的评价给出一个评价值Tj；c3)根据每个用户Uj的专业得到一个用户Uj与用户U的专业领域相关性μ1j，根据每个用户Uj的历史推荐得到一个Uj的服务推荐采纳率μ2j；c4)计算每个Web服务的权重：先用下式计算每个用户对于每个Web服务的推荐度：Sim(U，Uj)×Tj×(1+μ1j+μ2j)；然后将所有与U相似的用户关于同一Web服务的推荐度相加，得到该Web服务的整体权重。d)给所有web服务的整体权重排序，选择权重最高的web服务提供给用户U。有益效果：本专利技术与现有技术相比，具有以下优点：用户选择一个服务之前，按照传统的一些服务选择方法，如果单纯的考虑用户的偏好，那么选择出来的服务虽然能够满足用户的偏好，但是调用的过程中可能会出现奔溃的情景，因为这样选择出来的服务并不能保证是最稳定的。而对于另外一些服务选择方法，他们只考虑服务的信任度，类似淘宝搜索关键字后按照商家的信誉排序，这样选择出来的服务虽然信任度高或稳定性高，但是往往和用户的偏好相差很大，因此选择出来的服务也不是最佳服务。还有一些其他的服务选择方法是进行两次筛选，比如先将满足用户偏好的服务筛选出来，然后再从这些服务中筛选出信任度较高的服务，如果第一步筛选出来的服务太少的话，很可能会遗漏掉一些潜在的服务，最终选择出来的服务并不是在用户偏好和服务信任度的综合排名中达到最高而本专利技术提出的方法是直接将用户偏好和服务的信任度结合，两者结合考虑并且没有做两步筛选，这样就能保证选择出来的服务在两个方面的综合排名是最高的，所以，本专利技术提出的模型选择出来的服务优劣排名与实际值偏差较小，而单纯地考虑服务本身难免会带有较大的误差，因此，在进行服务选择的时候，综合考虑用户的两方面的偏好，以及服务的信任度比较容易得出满意的服务。附图说明图1是用户的条件偏好网络(cp-net)示意图。图2是用户定性偏好拓扑排序示意图。图3是用户条件偏好属性集的编号示意图。图4是本专利技术所提出的方法整体流程的逻辑框图。具体实施方式下面结合附图和实施例对本专利技术进行进一步详细说明。为了简单起见，假设当前用户U的历史服务为h1,h2,h3,需要从c1,c2,c3中选择最佳服务本专利技术方法的具体步骤为：a)计算定性偏好相似度a1)将用户的定性偏好用条件偏好网络(cp-net)描述出来，如图1，A属性表示对平台的偏好，B属性表示对地址的偏好，>表示左边的属性值优于右边的属性值，根据此cp-net图，可以推导出所有的偏好属性集之间的优于关系，见图2。a2)对偏好属性集进行拓扑排序：将偏好属性集之间的关系用有向图表示后，通过拓扑排序(每次选择入度为0的点，不断更新拓扑图知道途中无一属性集)计算所有属性集之间的先后关系，如图3，若箭头从A指向B，说明用户对属性集A的偏好优与B；然后给属性集编号，如a1b1c1编号为1，a1b1c2编号为2。a3)建立定性偏好矩阵。根据前两个步骤可以得到每一对属性集合之间的优于关系，然后再结合属性集的编号，得到偏好矩阵，如下...

【技术保护点】
一种基于定性和定量用户偏好选择可信web服务的方法，其特征在于，该方法包括以下步骤：a）根据条件偏好网络、拓扑排序和定性偏好矩阵来计算用户U与其他用户的定性偏好相似度，具体流程为：a1）把用户U的定性偏好用条件偏好网络的形式描述出来，得到cp?net图；a2）对用户U的cp?net图进行拓扑排序，并给cp?net图中每个定性偏好属性集编号；a3）根据拓扑排序和定性偏好属性集给每一个用户建立定性偏好矩阵；a4）通过定性偏好矩阵的与运算，计算得到用户U与任意一个其他用户Uj的定性偏好相似度，其中j为其他用户的序号；b）利用改进的Cosine相似度来计算用户的定量偏好相似度，具体流程为：首先按照下式计算Cosine相似度：SimQual′(U,Uj)=Σi∈Cjr[Uj,i]*r[U,i]Σi∈Cj(r[Uj,i])2Σi∈Cj(r[U,i])2其中，SimQual′(U,Uj)表示用户U与用户Uj的定量偏好相似度，Cj表示用户U与用户Uj共同使用的web服务集合，r[U,i]表示用户U对第i个服务的评分，r[Uj,i]表示用户Uj对第i个服务的评分；然后按照下式对所述Cosine相似度进行规格化处理：SimQual(U,Uj)=2×|Cj||I[U]|+|I[Uj]|SimQual“(U,Uj)其中，I[U]和I[Uj]分别表示用户U和用户Uj使用过的历史web服务；c）将定性偏好相似度和定量偏好相似度与对应的每个用户Uj对web服务的评价结合，再根据每个用户Uj的不同特性得到每个用户关于web服务的推荐度，最后得到每个web服务的整体权重，具体流程为：c1）将所述步骤a）得到的定性偏好相似度和所述步骤b）得到的定量偏好相似度相加，得到总的偏好相似度Sim(U,Uj)c2）根据每个用户Uj对当前web服务的评价给出一个评价值Tj；c3）根据每个用户Uj的专业得到一个用户Uj与用户U的专业领域相关性μ1j，根据每个用户Uj的历史推荐得到一个Uj的服务推荐采纳率μ2j；c4）计算每个Web服务的权重：先用下式计算每个相似用户对于每个Web服务的推荐度：Sim(U,Uj)×Tj×(1+μ1j+μ2j)；然后将所有与U相似的用户关于同一Web服务的推荐度相加，得到该Web服务的整体权重；d）给所有web服务的整体权重排序，选择权重最高的web服务提供给用户U。...

【技术特征摘要】
1.一种基于定性和定量用户偏好选择可信web服务的方法，其特征在于，该方法包括以下步骤：a)根据条件偏好网络、拓扑排序和定性偏好矩阵来计算用户U与其他用户的定性偏好相似度，具体流程为：a1)把用户U的定性偏好用条件偏好网络的形式描述出来，得到cp-net图；a2)对用户U的cp-net图进行拓扑排序，并给cp-net图中每个定性偏好属性集编号；a3)根据拓扑排序和定性偏好属性集给每一个用户建立定性偏好矩阵；a4)通过定性偏好矩阵的与运算，计算得到用户U与任意一个其他用户Uj的定性偏好相似度，其中j为其他用户的序号；b)利用改进的Cosine相似度来计算用户的定量偏好相似度，具体流程为：首先按照下式计算Cosine相似度：其中，simQual′(U，Uj)表示用户U与用户Uj的定量偏好相似度，Cj表示用户U与用户Uj共同使用的web服务集合，r[U，i]表示用户U对第i个服务的评分，r[Uj，i]表示用户...

【专利技术属性】
技术研发人员：王红兵，俞超，
申请(专利权)人：东南大学，
类型：发明
国别省市：