一种基于主客观结合的云服务评价方法
【技术领域】
[0001]本发明属于服务计算领域。 现有技术
[0002] 云计算技术的成熟和发展，使得"云"上功能相同或类似的云服务越来越多，对云 服务评价进行系统研究，为用户的服务选择提供科学依据，具有重要的现实意义。
[0003] 云服务的评价研究主要可以分为3类，1)基于性能分析，2)基于多属性决策Μ⑶Μ (Multi-Criteria Decision Making)，3)基于推荐系统。现有的一些研究主要聚焦于从服 务提供商视角对云服务进行客观质量分析，大多关注云服务的成本、性能、可靠性、可用性 等客观质量属性，忽略了与云服务有直接交互的终端用户的主观反馈这一极具价值的信 息，云服务评价结果存在一定的片面性。用户主观反馈基于用户在使用服务过程中的用户 感知和用户体验，是用户对服务质量认可程度的反映，良好的用户体验是提升云服务竞争 力的重要关键。
[0004] 目前少数考虑到用户反馈的云服务评价研究主要关注云服务的信任或信誉评估， 在度量上述指标时，大多仅限于定性化的描述和分析，缺乏对用户反馈评估模型的深入研 究，主观评估结果存在准确性和合理性问题。用户反馈作为一种主观认知，具有显著的主观 性，随机性和模糊性等不确定性。同时，云服务的用户主观反馈数据通常一定的时间跨度， 这些发生在不同时期的数据其信息价值存在差异，需要充分考虑反馈数据的时效性。
【发明内容】
[0005] 本发明要克服现有技术上的上述缺点，提供一种主客观结合的云服务评价方法， 结合云服务客观质量分析和用户主观反馈评估，采用多属性决策方法AHP(Analytic Hierarchy Process)对云服务进行评价，以解决现有评价方法的片面性；同时，重点关注用 户主观反馈评估模型的构建，综合考虑用户反馈存在的主观性、不确定性和反馈信息的时 效性，提高云服务主观评价的准确性和合理性。
[0006] 本发明的技术方案共分四个步骤:第一步，构建灵活的、可扩展的主客观评价指标 集;第二步，确定评价指标的度量方法;第三步，采用ΑΗΡ确定评价指标权重并计算云服务的 综合评分值;第四步，根据计算得到的评分值大小对云服务进行排名。
[0007] 基于主客观结合的云服务评价方法的具体步骤如下：
[0008] 1.构建灵活的、可扩展的主客观评价指标集；
[0009] 本方法的评价指标包含客观质量指标和用户主观反馈指标。其中，客观质量指标 指根据云监控和基准测试测量得到的指标，例如云服务的性能、可用性、可靠性等，或者是 根据服务提供商发布的数据进行度量的指标，例如云服务的成本、安全性等。主观反馈指标 指基于用户反馈进行度量的指标，例如云服务的信誉、易用性、友好性等。
[0010] 1.1客观质量指标集构建；
[0011] 客观质量指标集主要参考已有的相关工作并结合云服务的特点进行构建。现有的 云服务评价方法主要关注云服务的成本、性能、可靠性、可用性、可扩展性、安全性等客观质 量属性，符合云服务的大规模计算能力、泛在网络接入、虚拟化、按需付费、高可扩展性、高 可靠性、潜在危险性等特点。因此，本方法选择上述指标作为本文的客观质量指标集，云服 务用户可以根据自身需求从中选择需要的指标，也可对客观质量指标集进行扩展，构建个 性化的客观质量指标集。
[0012] 1.2用户主观反馈指标集构建；
[0013] 用户主观反馈指标选择当前云服务评价中常用的信誉度，并引入普通用户重点关 心的且技术性相对较弱的评价指标，例如易用性、友好性等构建用户主观反馈指标集。云服 务用户同样可以根据自身需求从中选择需要的指标，也可对用户主观反馈指标集进行扩 展，构建个性化的用户主观反馈指标集。
[0014] 2.主客观评价指标度量方法确定；
[0015]鉴于本发明选择的云服务客观质量指标是当前比较常用的评价指标，已存在相对 公论的度量方法，因此客观质量指标的度量不再赘述。用户主观反馈指标的度量基于本发 明提出的用户主观反馈评估模型，综合考虑了用户反馈存在的主观性、不确定性和反馈信 息的时效性，是本发明的核心内容。
[0016] 2.1用户反馈主观性处理；
[0017] 主观性处理主要为了降低用户的主观性对评价结果的准确性影响。本方法设计一 种用户反馈偏好模型SFP(Subjective Feedback Preference)，用以描述用户在反馈评价 时的总体偏好，当用户的反馈偏好偏高时，降低用户的反馈评价值;反之，当用户的反馈偏 好偏低时，增加用户的反馈评价值，降低或增加的幅度随用户偏好等级的变化而变化。
[0018] 具体步骤如下：
[0019] S1.设计用户反馈偏好模型SFP，具体如公式(1)所示：
[0020] SFPe {[0,pi), [pi,p2), . . . ,[pi-i,pi), . . . ,[ρη-ι,1]} (1)
[0021] SFP中每个区间[ρκ,ρΟ代表一个偏好等级，ph是预先设置的某一偏好等级的下 限，Pl是预先设置的某一偏好等级的上限越接近0，代表用户反馈偏好等级越低，即用户 在每次反馈评价时，越倾向于给出低于评分均值的评分值;反之，Pi越接近1，代表用户反馈 偏好等级越尚；
[0022] S2.设计用户反馈偏好等级计算方法，具体如公式(2)所示：
[0024]其中SFPi为用户m的主观反馈偏好等级，c为用户m的历史云服务评价次数总和， 假设一个用户对一个云服务只评价一次，则c为m评价过的云服务数量。Cexceed表示在用户m 评价过的c个云服务中，其评分值超过这c个云服务评分均值的次数，0 < Cexceed < c。
[0025] S3.根据每个用户的历史云服务评价数据计算其反馈偏好等级，结合2.2中的不确 定性处理实现用户反馈定性评价到定量评分值的转换，降低用户反馈的主观性和不确定性 影响。
[0026] 2.2用户反馈不确定性处理；
[0027]不确定性处理主要为了体现用户反馈存在的模糊性和随机性等不确定性。本方法 基于不确定性处理方法云模型进行不确定性处理，结合2.1提出的用户反馈偏好模型SFP， 实现定性评价到定量评分值的转换，将用户反馈的定性评价转换为特定区间的一次随机定 量实现。
[0028] 其中，云模型是一种在概率统计和模糊数学的基础上提出的定性概念与定量数值 转换模型，兼顾了语言值中大量存在的随机性、模糊性以及两者之间的关联性，通过3个数 字特征包括期望E x，熵En和超熵He完成模糊概念到具体数值的转化。
[0029] 具体步骤如下：
[0030] T1.根据云服务的用户反馈值设计一种用户主观反馈云SFC。
[0031]统计分析用户反馈评价值集合，为集合中每个定性评价设计对应的主观反馈云。 其中云模型类似于具有一定"厚度"的正态分布曲线，横坐标代表每个定性评价的可度量的 定量值范围，纵坐标代表定量值隶属于该定性评价的隶属度，曲线上的每个点代表一个云 滴。
[0032]相关概念定义如下：主观反馈值空间SFD是定量论域[l，n]的一个有序数值集合， 分别称1和η为SFD的满意度下限和上限；主观反馈空间SFS是一个定性表述主观满意的有序 概念集合，可以为SFS预设1个或多个满意等级，当SFD中的数值由离散单调数值构成时可以 忽略满意等级的设定;主观反馈云SFC是用云模型表示的主观定性反馈概念，由若干云滴组 成。
[0033] Τ2.根据用户的历史云服务评价记录，采用公式(2)计算其主观反馈偏好等级。
[0034] Τ3.将用户的定性反馈评价转换为定量评分值。
[0035]根据用户主观反馈云SFC和每个用户的主观反馈偏好等级，将用户的定性评价转 换为对应主观反馈云的特定区间上的一次随机实现。
[0036]假设用户Ui的主观反馈偏好等级为SFPi = [Pi-1，Pi)，用户Ui对云服务Sj的定性评价 为Xij，Xij e SFD，Xij对应的预先设置的主观反馈云评分区间为[Vm-1，Vm)，则xij对应主观反馈 云的特定区间kij的计算如公式(6)和(7)所示：
[0037]当xij = n时，即SFD的最大值时，kij如公式(6)所示：
[0038] kij ￡ (xij+(0.5-pi) · 1 ,Xij+(0.5-pi-i) · 1] (6)
[0039] 当Xij〈n时，kij如公式⑴所示：
[0041] 其中1为每个定性评价对应的主观反馈云评分区间长度(VfVw);
[0042] 2.3反馈信息时效性处理；
[0043]根据用户反馈数据距当前主观评估决策时刻的时间间隔信息对其评价权重进行 调整，若时间间隔较小，则增加反馈数据的评价权重;反之，则减少其评价权重，更合理地体 现反馈数据的信息价值。
[0044] 具体步骤如下：
[0045] P1.设计一种时效性窗口机制，将一段区间内的反馈数据映射到对应的窗口中。
[0046] 时效性窗口 TWi e TWS，其中TWS是预先设置的时效性窗口集合，TWS =