专利名称：一种基于用户聚类的sky line在线计算方法
技术领域：
本发明涉及一种服务计算中的sky line计算发现，尤其涉及实现了基于用户聚类了离线预测的在线sky line计算方法。
背景技术：
近年来，Web服务计算领域随着SOA技术的广泛应用而得到了快速发展，从中衍生出了服务发现、服务组合、服务选择等若干子领域。随着SOA的广泛应用，当今互联网上的Web服务(之后简称为服务)数量急剧的增加，使得人工的查找、选择和调用服务不再能满足需求，从而高效的发现、选择和组合服务算法成为了迫切的研究需要。如何根据用户功能需求描述，在海量服务中找到符合此功能需求的服务，是服务发现的研究内容。然而，在海量的服务中，通常会存在相当数量由不同服务提供商所提供的，功能相同而非功能属性完全不同的服务，如何从大量功能上等价的服务中，根据其非功能属性有效的选择出最为合适的服务，是服务选择所解决的问题。作为服务选择中的重要步骤，基于服务QoS属性的skyI ine计算课题亦成为了热门的研究方向。一次典型的服务计算请求，通常包括服务发现、组合、选择、执行过程，整个过程由用户发起，最终将结果返回给用户，其中各个步骤的执行效率直接影响整体服务计算的响应效率，对于服务选择中的sky line计算环节而言，同样如此。传统的方法，通常是对skyline计算进行独立的探讨，而忽略了其在真实服务计算场景中的应用；基于对整体服务QoS数据进行sky line全局计算的方法效率较低，不能满足于在线请求的实时性；每一时刻发起sky line请求的用户是不可预知的，因而不可能事先对所有用的sky line进行离线计算。目前的skyline计算方法主要可以分为完全离线计算和渐进式在线计算两类。完全离线方法对全局服务QoS数据集进行分析，其计算结果准确但难以满足在线的skyline计算需求；渐进式在线计算方法，通过在线不断的对sky line进行调整修正，逐渐逼近最终sky line结果，其计算过程虽然符合在线特性，但准确结果需逐步细化且完全在线完成，整体计算效率偏低。可以看到，还没有一种很好的结合离线运算的全局性和在线运算的实时性优点的sky line计算方法。
发明内容
针对上述技术缺陷，本发明提出一种基于用户聚类的sky line在线计算方法。为了解决上述技术问题，本发明的技术方案如下:一种基于用户聚类的sky line在线计算方法，包括如下步骤:11)基于用户-服务QoS矩阵对相似用户进行聚类步骤:当为单维度场景时，采用将所有维度的QoS值归一化处理后按照其权重计算为一维数值，用户u对服务s的多维QoS的归一化公式如下:
权利要求
1.一种基于用户聚类的Sky line在线计算方法，其特征在于，包括如下步骤: 11)基于用户-服务QoS矩阵对相似用户进行聚类步骤: 当为单维度场景时，采用将所有维度的QoS值归一化处理后按照其权重计算为一维数值，用户u对服务s的多维QoS的归一化公式如下:
2.根据权利要求1所述的一种基于用户聚类的skyline在线计算方法，其特征在于，所述步骤12)和步骤13)可采用如下步骤替代: 首先定义sky line合并；如果SK(S1) ,SK(S2)分别是集合S1, S2上的sky line,SK(S/ )是这两条 sky line 的并，即 SK(S' ) =merge (SK(S1)，SK(S2)),那么 SK(S')是这样一个集合.Ns eSK(S'), s e SK(S1) V s e SK(S2)，且在 SK(S1)，SK(S2)中不存在的服务 s'，使得s' > s,且 merge (SK (S2), SK (S2)) =SK (S1 U S2),即并集的 sky line 等于各自 sky line 的并对聚类C上的等价服务集S的最优sky line的计算，可以由聚类C上各用户u的历史sky line记录合并 获得。
全文摘要
本发明公开了一种基于用户聚类的sky line在线计算方法，(1)通过用户聚类，将QoS相似的用户聚集在一起，利用聚类共同特征代替用户个体特征，使得计算数据量有效减少；将对所有用户进行离线处理转化为对各个聚类进行离线处理，提高了离线计算的效率，大幅减少了存储空间消耗，提高了系统的可实施性，(2)将计算过程划分为离线和在线模块，通过将大量复杂运算在离线模块中进行，有效提高在线算法的执行效率，(3)利用群体特征sky line对个体sky line进行预测，一方面在精度要求不高时可以直接作为结果返回；另一方面在需要求解准确sky line时在此预测sky line基础上进行修正，可以简化计算过程。
文档编号G06F17/30GK103150336SQ20131004344
公开日2013年6月12日 申请日期2013年2月4日 优先权日2013年2月4日
发明者吴健, 陈克寒, 吉利川, 尹建伟, 李莹, 邓水光, 吴朝晖 申请人:浙江大学