基于图挖掘的云服务能力评级方法、装置、设备及存储介质与流程

本发明涉及云服务，尤其涉及一种基于图挖掘的云服务能力评级方法、装置、设备及存储介质。

背景技术：

1、随着云计算的日益普及，越来越多的企业都使用云来部署其应用程序和基础架构的解决方案。云计算允许企业更快地启动和运行应用程序，降低了维护难度，让后台能更快地调整资源，以满足波动和不可预测的流量，同时，云供应商通常使用“现收现付”模式，这种收费模式可以提高服务器的管理的灵活性，降低费用。但是，选择一个合适的云服务提供商并不是那么简单，服务质量(qos)参数对企业有直接影响，如响应时间、吞吐量和相应的客户评分等等。为解决这个问题，可以通过收集不同云服务商过往性能指标的大型数据集来进行决策，同时，还需要一种可靠的推荐系统，提供排名。但是现有的推荐系统，缺乏考虑海量数据和缺少合适的算法，无法有效地处理大量的数据。

技术实现思路

1、发明目的：提出一种基于图挖掘的云服务能力评级方法、装置、设备及存储介质，以解决现有技术存在的上述问题。

2、第一方面，提出一种基于图挖掘的云服务能力评级方法，步骤如下：

3、s1、接入云服务提供商，加载数据集；所述数据集包括云服务提供商集合以及响应时间服务度量；对所述数据集执行皮尔逊相关性计算，输出由若干相关系数值组成的相关矩阵；

4、s2、将所述相关矩阵转换为偏相关矩阵，在所述偏相关矩阵上构造非正则偏相关网络图；

5、s3、构造图形化套索正则化网络，将所述偏相关矩阵导入所述图形化套索正则化网络，对比所述非正则偏相关网络图，找到具有最大边的图并输出；

6、s4、对步骤s3输出的最大边的图执行中心性分析，输出分析结果；

7、s5、根据步骤s4输出的分析结果，对云服务提供商的性能指标，依据计算得到的性能指标对云服务提供商进行排名并列表显示。

8、在第一方面进一步的实施例中，步骤s1中对所述数据集执行皮尔逊相关性计算的表达式如下：

9、

10、式中，corr(x,y)是两个变量间的相关性，cov(x,y)是x和y之间的协方差，sxsy是x和y的标准差，e是期望值操作，μx、μy是期望值，x、y是随机变量。

11、在第一方面进一步的实施例中，步骤s2进一步包括：

12、利用偏相关性系数衡量两个变量之间线性关系的指标，同时控制其他变量的影响，以计算云服务提供商之间在响应时间方面的相关性；

13、所述偏相关性系数的表达式如下：

14、

15、式中，ρxy·z表示z是x和y之间偏相关性的影响变量，ρxy表示x和y之间的偏相关性；ρxz表示x和z之间的偏相关性；ρzy表示z和y之间的偏相关性；

16、在所述偏相关性系数中，值为0表示两个节点之间没有连接，即两个节点相互独立。

17、在第一方面进一步的实施例中，构建非正则偏相关网络图，所述非正则偏相关网络图中，每个链路代表两个变量之间的所述相关系数值，系数值范围为[-1，1]。

18、在第一方面进一步的实施例中，还包括使用邦弗朗尼校正作为校正因子，测试所有连接并删除所有不具有统计学意义的连接，当进行多重比较或进行统计检验时，如果α值是0到1之间的数字，则当p为变量假设值大于或等于观察值的概率时，则p(z≥zabserved)≤α被认为是显著的；此时降低α值以计算新的执行比较次数，用旧的α值除以比较的总数，得到新的α值，表达式如下：

19、

20、式中，αold表示旧的α值；αnew表示新的α值。

21、在第一方面进一步的实施例中，步骤s3中构造图形化套索正则化网络的表达式如下：

22、min(y-wx)2+λw

23、式中，y是目标向量，x是n维的特征矩阵，w是p个特征的系数向量，λ是控制正则化程度的超参数。

24、在第一方面进一步的实施例中，步骤s4进一步包括：

25、每个节点都有一个中心性评分，表示它在网络中的位置，利用中心性，确定最佳的云服务提供商，在用户和服务提供商之间建立直接的关系；

26、使用度中心度量标准根据云服务提供商的响应时间进行排名，展示出响应时间最长的云服务提供商；

27、对于图g＝(v，e)，节点的度v用如下表达式表示：

28、cd(v)＝deg (v)

29、

30、式中，i是重点节点，j代表所有其他节点，n是节点总数，w是加权邻接矩阵，deg(v)表示点v的度，用cd(v)表示；si表示加权度数中心性；表示计算加权邻接矩阵中每个节点的度；w是加权邻接矩阵，ij是指第i行第j列的元素。

31、在第一方面进一步的实施例中，步骤s5包括：计算云服务提供商的性能指标：使用归一化折损累计增益ndcg衡量排序质量：

32、

33、

34、

35、其中，增益即在返回的结果列表中所有节点的相关性分数，表示为reli；cg是所有节点的相关性分数之和；dcg是在考虑了排序顺序的因素下，使得排名靠前的节点增益更高，对排名靠后的节点进行折损，即在计算相关性分数之和时，根据位置乘以一个随排名递减的权重，通过对相关性分数除以log2(i+1)实现；idcg是理想dcg，即根据相关性降序排列，排列到最符合预期状态的dcg；ndgc使用二者的比来表示，代表当前结果接近最理想结果的程度，从而让不同排名的顺序结果能进行比较评估，比值越大代表此排名顺序质量越高，可信度越高。

36、本发明的第二个方面，提出一种基于图挖掘的云服务能力评级装置，该装置包括：

37、数据集加载模块，用于接入云服务提供商，加载数据集；所述数据集包括云服务提供商集合以及响应时间服务度量；对所述数据集执行皮尔逊相关性计算，输出由若干相关系数值组成的相关矩阵；

38、第一运算模块，用于将所述相关矩阵转换为偏相关矩阵，在所述偏相关矩阵上构造非正则偏相关网络图；

39、第二运算模块，用于构造图形化套索正则化网络，将所述偏相关矩阵导入所述图形化套索正则化网络，对比所述非正则偏相关网络图，找到具有最大边的图并输出；

40、输出模块，用于对所述第二运算模块输出的最大边的图执行中心性分析，根据分析结果对云服务提供商的响应时间进行排名并列表显示。

41、本发明的第三个方面，提出一种电子设备，该设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如第一方面所述的云服务能力评级方法。

42、本发明的第四个方面，提出一种计算机可读存储介质，存储介质中存储有至少一个可执行指令，所述可执行指令在电子设备上运行时，使得电子设备执行如第一方面所述的云服务能力评级方法。

43、本发明具备如下有益效果：本发明使用社交网络分析原理，采用图形套索正则化，使用度中心度量和归一化折扣累积增益方法，来识别排名靠前的提供商。最终，能有效地处理大型服务质量值数据集，帮助企业选择成本最优的最佳云服务提供商，帮助云服务提供商提高其服务质量参数。