本发明涉及云服务相关技术领域，尤其是指一种基于官网变化情况的云服务商服务质量评测方法。
背景技术：
企业或个人一旦使用云服务，切换云服务商的成本将会非常大，因此，对云服务商服务质量的评估成为用户选择云服务商的重要依据。
通常情况下，用户在未使用云服务之前，是无法方便的获知云服务商的服务质量情况的，只能通过他人介绍、网络上的公开信息等途径，而这些信息是碎片化和不确定的，无法形成有效的参考，因此，能够简单方便地对比各家云服务商的服务质量成为一种新的需求。
现有的技术中，还没有通过分析云服务商官网的方案。
技术实现要素：
本发明是为了克服现有技术中存在上述的不足，提供了一种实时了解云服务商服务质量的基于官网变化情况的云服务商服务质量评测方法。
为了实现上述目的，本发明采用以下技术方案：
一种基于官网变化情况的云服务商服务质量评测方法，从云服务商官网抓取数据并存档，通过分析已有的官网信息，分析其变化的频率、价格波动情况以及特定关键词的分布情况，根据官网变化情况和关键字匹配度进行数值化打分，通过对多家云服务商打分的对比，给出云服务商服务质量评估结果，其过程包括两个部分，一是通过现有官网数据进行训练模型，二是根据模型分析官网内容计算服务质量情况。
该方法根据已有的服务商官网文本和产品价格信息，提取相关特征，给出各家云服务商的服务质量评分，可以提供给用户参考，这样设计能够大大提高了用户对云服务商的了解程度，使得用户能够实时了解云服务商服务质量，故而用户在选择相应云服务商时能够做出较为准确的判断，以降低公司的运营成本。
作为优选，通过现有官网数据进行训练模型，具体操作步骤如下：
(11)加载已有的各个云服务商官网信息，并提取分词特征；
(12)加载各个云服务商官网产品的价格数据，并提取价格特征；
(13)加载对各个云服务商官网产品的评价数据，并提取评价特征；
(14)根据步骤(11)、步骤(12)和步骤(13)中的所有特征，利用深度学习建立并训练预测模型，得到服务质量评测模型。
作为优选，在步骤(11)中，加载已有的各个云服务商官网近六个月的主要页面文本内容，对文本内容进行分词处理，对所有的文本内容统计分词得到词库并对应到云服务商官网产品上。
作为优选，在步骤(12)中，云服务商官网产品的价格数据包括价格变化的频率和价格波动的情况。
作为优选，在步骤(13)中，获取对各个云服务商官网产品的评价信息，把评价信息同步到每个云服务商的云服务上进行标注。
作为优选，根据模型分析官网内容计算服务质量情况，具体操作步骤如下：
(21)加载要预测的云服务商官网页面文本内容和官网产品价格数据；
(22)查找该云服务商是否已有对应的服务质量评测结果，如果有则进入到步骤(23)中，如果没有则进入到步骤(24)中；
(23)对比上一次服务质量评测结果的时间点，根据间隔时间判断是否需要更新，如果不需要，则直接输出已有的服务质量评测结果，过程结束；如果需要，则进入到步骤(24)中；
(24)对云服务商官网页面文本内容进行分词处理，对文本内容统计分词得到词库并对应到云服务商官网产品上；
(25)对云服务商官网产品的价格数据提取价格特征，其中云服务商官网产品的价格数据包括价格变化的频率和价格波动的情况；
(26)对步骤(24)和步骤(25)提取的特征，利用步骤(14)得到的服务质量评测模型对云服务商的服务质量进行评测；
(27)保存服务质量评测结果，把本次服务质量评测时间进行保存，以方便后续对比是否需要重新启用服务质量评测过程，根据服务质量评测结果，给予云服务商服务质量评级分数，以abcde等级方式显示。
作为优选，在步骤(23)中，根据间隔时间判断的依据是上次服务质量评测时间与当前服务质量评测时间不超过1天。
本发明的有益效果是：能够提高用户对云服务商的了解程度，使得用户能够实时了解云服务商服务质量，故而用户在选择相应云服务商时能够做出较为准确的判断，以降低公司的运营成本。
具体实施方式
下面结合具体实施方式对本发明做进一步的描述。
一种基于官网变化情况的云服务商服务质量评测方法，从云服务商官网抓取数据并存档，通过分析已有的官网信息，分析其变化的频率、价格波动情况以及特定关键词的分布情况，根据官网变化情况和关键字匹配度进行数值化打分，通过对多家云服务商打分的对比，给出云服务商服务质量评估结果，其过程包括两个部分，一是通过现有官网数据进行训练模型，二是根据模型分析官网内容计算服务质量情况。
通过现有官网数据进行训练模型，具体操作步骤如下：
(11)加载已有的各个云服务商官网信息，并提取分词特征；加载已有的各个云服务商官网近六个月的主要页面文本内容，对文本内容进行分词处理，对所有的文本内容统计分词得到词库并对应到云服务商官网产品上；
(12)加载各个云服务商官网产品的价格数据，并提取价格特征；云服务商官网产品的价格数据包括价格变化的频率和价格波动的情况；
(13)加载对各个云服务商官网产品的评价数据，并提取评价特征；获取对各个云服务商官网产品的评价信息，把评价信息同步到每个云服务商的云服务上进行标注；
(14)根据步骤(11)、步骤(12)和步骤(13)中的所有特征，利用深度学习建立并训练预测模型，得到服务质量评测模型。
根据模型分析官网内容计算服务质量情况，具体操作步骤如下：
(21)加载要预测的云服务商官网页面文本内容和官网产品价格数据；
(22)查找该云服务商是否已有对应的服务质量评测结果，如果有则进入到步骤(23)中，如果没有则进入到步骤(24)中；
(23)对比上一次服务质量评测结果的时间点，根据间隔时间判断是否需要更新，如果不需要，则直接输出已有的服务质量评测结果，过程结束；如果需要，则进入到步骤(24)中；根据间隔时间判断的依据是上次服务质量评测时间与当前服务质量评测时间不超过1天；
(24)对云服务商官网页面文本内容进行分词处理，对文本内容统计分词得到词库并对应到云服务商官网产品上；
(25)对云服务商官网产品的价格数据提取价格特征，其中云服务商官网产品的价格数据包括价格变化的频率和价格波动的情况；
(26)对步骤(24)和步骤(25)提取的特征，利用步骤(14)得到的服务质量评测模型对云服务商的服务质量进行评测；其中在训练服务质量评测模型时，使用文本信息、价格信息和评价信息，得出服务质量评测模型，而使用服务质量评测模型时输入是文本信息和价格信息，输出是评价信息，评价信息即为服务质量评测结果；
(27)保存服务质量评测结果，把本次服务质量评测时间进行保存，以方便后续对比是否需要重新启用服务质量评测过程，根据服务质量评测结果，给予云服务商服务质量评级分数，以abcde等级方式显示。
该方法根据已有的服务商官网文本和产品价格信息，提取相关特征，给出各家云服务商的服务质量评分，可以提供给用户参考，能够大大提高了用户对云服务商的了解程度，使得用户能够实时了解云服务商服务质量，故而用户在选择相应云服务商时能够做出较为准确的判断，以降低公司的运营成本。