一种单向链形式的服务可排序精确属性的匹配度计算方法
【技术领域】
[0001] 本发明设计一种单向链形式的服务可排序精确属性的匹配度计算方法，该方法面 向一些属性参数值精确，且可以进行排序的属性的匹配度的计算。从而解决了在具有该类 属性的服务和产品的匹配过程中，其匹配方式过于严格而造成样本集规模被过分缩小的问 题，其属于制造领域。
【背景技术】
[0002] 在当今社会中，以云思想为核心的网络服务形态日趋成熟。各类云计算、制造以及 电商平台时刻影响着我们的生活。这些平台运营和销售的主要是各类的服务/产品。这些 服务/产品的描述非常重要，合理的描述方法会极大影响到平台其他模块的运行方案，同 时也会影响到用户的选择。目前最常见且成功的描述方法是结构化方法。该方法是将该服 务/产品的各类属性、属性的参数和参数的值逐一描述，然后通过关系数据库进行存储。为 了实现其推理和组合等方面功能，一些如描述语言等方面的描述方式也陆续出现，如在web 服务方面的WSDL和OWL-S等。一条描述服务/产品的信息，其内容是该服务/产品的所有 属性及其参数值构成的。这样每一条服务/产品都可以以表格的形式进行表示。对于同 类型的服务/产品，应该有非常接近的表示方式。服务/产品描述形式可以为Service = < Sdl，Sd2, . . .，Sdn>，其中S dl，Sd2, . . .，Sdn分别代表了服务/产品的η个属性。
[0003] 针对目前这种服务/产品描述形式，对于需求和服务/产品的匹配，往往采用对每 个属性逐一匹配，最后进行综合加权的方式。对于每个属性的匹配，一般有基于语义的、基 于逻辑推理或基于本体等的方法。这类方法往往适用于一些参数值都是模糊的属性，以及 一些有明确功能兼容性的精确属性的匹配。对于模糊属性，该类属性具体值包含一定的语 义信息，但存在形式较为随意。具体说来，这些属性的值是有明确的含义的，人类读到这些 值后，就能多多少少明白该属性的具体情况。同时，这些属性值没有非常规范或精准的定义 规则，所以其形式可能多种多样。如服务的名称。同一个服务，由不同的提供者提供，可能 使用不同的名字。而功能接近的服务，可能出现其名字也高度接近，甚至相同。对于一些参 数值是精确的精确属性，其是有明确功能兼容性的精确属性。如在web服务中的输入/输 出接口的标准，假设某输入接口要求的是double型数据，往往其也可以兼容int型的数据。 诸如本体等的方法对应该类属性的匹配也有很好的效果。对于一些精确属性，如服务/产 品的提供商，往往没有可比性，一般采用布尔方式进行匹配。这种方法虽然简单，但是符合 用户的需求，也有较好的效果。但是对于一类属性，其参数值是精确的，但是完全不同的两 个服务/产品即使其该类属性不一样，也不能绝对地确定该类属性的匹配度为〇。同时，该 类属性往往又可以根据不同的需求类型，对其进行排序。如计算机的CPU，如果用户需求是 一 4核2. OGHz主频，而有两个CPU，①4核2. 2GHz主频和②2核I. 6GHz主频。明显①号 (PU更能接近用户需求，同时如果没有用户需求的CPU时，用户选择①号CPU也是可以接受 的。同样对于多属性的要求，如需求是CPU和显卡都提出了具体参数值要求的计算机，对于 这类服务/产品的匹配，如果采用布尔方式就过于简单严格了。
[0004] 针对这个问题，本发明设计了一种单向链形式的服务可排序精确属性的匹配度计 算方法。该方法可以把这类属性的匹配度转化成0到1之间数值，将其模糊化。提出了为 用户需求提供最接近的服务/产品的匹配方案。
[0005] 本发明的目的为：将属性参数值精确且可进行排序属性的匹配，转化成一种按照 用户需求的模糊匹配度的计算。通过该类计算，把原本需要精确匹配的部分属性转化成模 糊匹配。使用该类方法可以极大保护备选样本集中的服务/产品，同时也能够提供比较符 合需求的服务/产品。
【发明内容】
[0006] 本发明为解决上述问题，提出了一种单向链形式的服务可排序精确属性的匹配度 计算方法。该方法首先确立可排序属性。然后针对每一类可排序属性构建规则，使其形成 一条有方向的单向链。然后构建匹配度计算公式，根据需求和服务/产品的属性在该链中 的位置计算匹配度。其他类型的属性（模糊属性或其他类型精确属性）使用传统方法计算 匹配度。最后使用加权的方式计算需求和服务/产品之间的匹配度
[0007] 本发明采用的技术方案为：一种单向链形式的服务可排序精确属性的匹配度计算 方法，该方法包括3个步骤：
[0008] 步骤1)、可排序属性确立
[0009] 对于一类服务/产品，首先确立其可排序的属性。即哪些属性是可以适用于本方 法的。对于不适用于本方法的属性使用其他传统方法计算匹配度。
[0010] 步骤2)、构建属性的排序规则
[0011] 对于可以适用于本方法的属性，构建一个规则，该规则可以根据该类属性的参数 及参数的值，对该类属性进行排序，获得一个有方向的属性链。该链上的一个节点就是该类 属性下的一个样本。
[0012] 步骤3)、构建属性匹配度计算公式
[0013] 通过一个匹配度计算公式，计算单向链上需求的属性对应的节点与样本集中的服 务/产品的属性对应的节点的相似度，该相似度定义为匹配度。
[0014] 步骤4)、计算综合匹配度
[0015] 计算多个属性的匹配度，通过加权方式，计算最终匹配度。
[0016] 进一步的，步骤1提出了确立可排序属性的思想，具体实现方式如下：
[0017] 服务/产品的描述方法中，一般是按照其具有的属性进行逐条描述的。如一台计 算机的生产商、CPU、显示器、介绍说明等。这些属性中，像介绍说明等的属性，其内容往往是 模糊、随意和不精确的。这类属性一般使用信息检索方面的方法来计算其匹配度。而像生 产商一类的属性，需求和样本要么完全符合，要么完全不符合，这类属性的匹配度是布尔型 的。而对于CPU或者显示器一类的属性，这类属性往往具有如下几个特点：①这类属性的需 求往往并不是非常严格。即其中一些样本即使不能严格符合需求的要求，但是也可以被用 户接受；②这类属性的参数和参数值往往是精确的，如CPU，其参数主要包括核心数和主频 等，这些参数对应的值也是精确的数字或文字；③同时由于科技水平等客观因素，造成了其 可以进行排序。这种可排序的性质是服务和产品必将符合科学发展的要求而客观造成的。 步骤1就是要确立这类服务。
[0018] 进一步的，步骤2在步骤1的基础上选择一种排序方式，对这类适用于该方法的属 性，构建排序的规则，使这些属性可以进行排序。以计算机内的属性CPU为例，可以收集目 前常见的所有CPU资料，提供一个规则，把这些CPU连接成一个单向链。该规则可能有多种， 如按照性能、按照某些参数等。具体要看其适用的场景。
[0019] 进一步的，步骤3在步骤1和2的基础上构建属性的匹配度计算公式。具体实现 是获取需求和样本集对应的属性在该类属性单向链中对应节点的位置。构建一个公式，该 公式根据节点之间的距离和方向，计算出需求的属性和各个样本的属性的匹配度。
[0020] 进一步的，最后步骤4中，其他非本方法适用属性使用传统方法计算匹配度，最后 把所有属性的匹配度进行加权，获取最终的匹配度。
[0021] 本发明与现有技术相比的优点为：
[0022] 1.较为合理地获取服务/产品的属性匹配度，不会因为布尔方式等传统方法造成 备选样本集中的服务/产品数量减少，匹配结果的查全率