专利名称：基于用户需求的WEB服务单个Qos属性评价方法
技术领域：
本发明涉及WEB服务选择领域，特别是指一种基于用户需求的WEB服务单个服务质量(Qos，Quality of Service)属性的评价方法。
背景技术：
随着互联网上WEB服务种类的不断增多，出现了多种WEB服务提供相同或相似功能的情况。如何从众多功能相同或相似的WEB服务中选择最优或最适合用户需求的WEB服务是语义服务选择的一个研究热点。
WEB服务的描述分为功能和非功能两方面，功能性的匹配只是满足了服务请求方的静态常规要求，如果用户想要获得高质量的WEB服务，还需要用一些Qos属性来量化其服务性能，在服务选择过程中对量化的Qos属性进行综合评价，从而为服务请求方选择服务质量更好的WEB服务。而实现该功能面临的首要问题是如何描述WEB服务的Qos属性，以及如何描述服务请求方对WEB服务Qos需求的表述。
Qos是一个可以衡量服务质量的广泛概念，包含了价格、时间、可用性、可靠性和信誉度等一系列的非功能属性，体现了服务满足用户需求的程度。Qos可以作为服务选择的标准，首先，Qos可以体现服务的质量；其次，Qos可以体现用户对服务的满意程度，通过对服务的各个Qos属性的量度，可以反映出服务的质量；第三，Qos可以反映用户对服务质量的个性化要求，将用户的个性化需求映射为对某个或某些质量因素的特定要求；最后，利用Qos进行服务选择在现实中是可行的。
对WEB服务的Qos的描述结合了服务提供方和服务请求方，即用户双方的视点。服务提供方用它来描述其声明的服务质量，服务请求方用它来描述其对所选服务执行效果的预期。为了能够体现出服务请求方对服务性能的不同要求，以及体现服务提供方描述服务性能的意愿，可以把WEB服务的Qos作为服务选取的依据。
对WEB服务的Qos进行评价是在服务的功能性选择完成后进行的，通过服务功能匹配会得到一个满足用户功能需求的候选服务集。当要从多个候选服务中选择一个最合适的服务时，就需要对候选服务的Qos进行评价，但是WEB服务的某些Qos属性的参数具有单位，如“服务时间”的单位是“秒”，“服务代价”的单位是“元”，而有的参数没有单位，如“服务可靠性”、“可维护性”和“满意度”等，这些属性的参数用概率或小数表示。对于同一个Qos属性，如果使用不同的单位进行描述，则可以通过语义描述转换成相同的单位进行计算；对于量纲不同的服务质量标准，则无法直接进行综合Qos的计算。因此需要对服务的各Qos属性值标准化，然后才能进行综合处理。
目前对WEB服务的Qos进行评价的方法有以下几种在用户无Qos需求时，使用决策理论中的极差变换法对候选服务的Qos属性进行评价；在用户有Qos需求时，对Qos进行评价的基本思想仍然是极差变换。但是，两者都仅能处理用户请求和服务描述都为精确型的Qos属性参数，而实际情况中，用户请求和服务描述中对Qos属性的描述形式大多是模糊的；同时，这些方法无法处理多种用户需求下的Qos属性评价。
另外，在对同一Qos属性进行描述时，会出现有的使用精确值，有的使用区间值进行描述的情况，如此给Qos属性的评价工作带来了很大的不便。
发明内容
有鉴于此，本发明的主要目的在于提供一种基于用户需求的WEB服务单个Qos属性评价方法，使Qos属性的评价在多种情况下都可以简单地实现。
为达到上述目的，本发明的技术方案是这样实现的 本发明提供了一种基于用户需求的WEB服务单个Qos属性评价方法，将服务请求方请求的服务与服务提供方提供的服务进行功能性匹配，从服务提供方提供的服务中将所述功能性匹配成功的服务提取出来，得到一个候选服务集，该方法还包括以下步骤 从所述候选服务集中提取所有Qos属性，得到一个候选Qos属性集； 根据所述服务请求方请求的服务中对于Qos属性的描述，从所述候选Qos属性集中提取需要评价的Qos属性，得到一个需要评价的Qos属性集； 判断所述需要评价的Qos属性集是否为空，如果为空，则分析所述候选Qos属性集中各个Qos属性值的类型；如果为非空，则对所述服务请求方请求的服务中的Qos属性值类型进行分析； 根据所述Qos属性值的类型，对所述候选Qos属性集或者需要评价的Qos属性集中的Qo s属性值进行归一化处理，得到Qos属性值的评价值。
所述Qos属性值的类型分为精确型和区间型。
所述分析候选Qos属性集中各个Qos属性值的类型，还包括确定Qos属性值具有正向质量标准特征或者具有逆向质量标准特征。
所述对候选Qos属性集中的Qos属性值进行归一化处理，包括 a、当所述候选Qos属性集中的Qos属性值为精确型且具有正向质量标准特征时，使用公式对Qos属性值进行归一化处理，其中，Qi，j是所述候选Qos属性集中第i个服务的第j个Qos属性的值，Vi，j是所述候选Qos属性集中第i个服务的第j个Qos属性的评价值，Qjmax是所述候选Qos属性集中第j列Qos属性的最大值；Qjmin是所述候选Qos属性集中第j列Qos属性的最小值； b、当所述候选Qos属性集中的Qos属性值为精确型且具有逆向质量标准特征时，使用公式对Qos属性值进行归一化处理； c、当所述候选Qos属性集中的Qos属性值为区间型且具有正向质量标准特征时，首先使用公式和计算出所述Qos属性值区间下界和上界的评价值；然后使用公式计算出所述Qos属性值的评价值，其中，Vi，j、Vi，j是Qos属性值区间下界和上界的评价值，Qi，j、Qi，j是Qos属性值区间的下界和上界，Qjmax、Qjmin是所述候选Qos属性集中第j列Qos属性的所有区间下界的最大值和最小值，Qjmax、Qjmin是所述候选Qos属性集中第j列Qos属性的所有区间上界的最大值和最小值； d、当所述候选Qos属性集中的Qos属性值为区间型且具有逆向质量标准特征时，首先使用公式和计算出所述Qos属性值区间下界和上界的评价值，然后使用公式计算出所述Qos属性值的评价值； 所述对需要评价的Qos属性集中的Qos属性值进行归一化处理，包括 (1)、当所述服务请求方请求的服务中描述的Qos属性值为精确型时，首先使用公式
计算出所述需要评价Qos属性集中的Qos属性值与所述服务请求方请求的服务中描述的Qos属性值的距离，然后使用公式计算出所述需要评价Qos属性集中的Qos属性值的评价值，其中RQj是服务请求方请求的服务中描述的第j个Qos属性值，Qi，j是所述需要评价的Qos属性集中第i个服务的第j个属性的值，Di，j是所述RQj与Qi，j之间的距离，Djmax、Djmin是需要评价的Qos属性集中第j列Qos属性值与RQj的最大距离和最小距离，Simi，j是所述需要评价的Qos属性集中第i个服务的第j个属性的评价值； (2)、当所述服务请求方请求的服务中描述的Qos属性值为区间型时，使用公式计算出所述需要评价的Qos属性集中的Qos属性值的评价值，其中Len(Qi，j)表示Qi，j区间的长度，Len(Qi，j∩RQj)表示Qi，j区间与RQj区间交集的长度。
本发明提出的基于用户需求的WEB服务单个Qos属性评价方法，可以在用户提交的服务请求中包含Qos需求和不包含Qos需求两种情况下完成对Qos属性进行的评价；同时，本发明在评价过程中考虑到了服务使用不同的度量表示方式对Qos属性进行描述的情况，如Qos属性值为精确型或区间型的情况，从而使用不同的归一化处理方式得到候选服务在单个Qos属性上的评价值；另外，本发明利用基于用户请求的Qos评价方法可以得到服务单个Qos的评价值，以单个Qos属性的评价值为基础就可以计算服务的综合Qos评价值，从而对服务选择过程提供参考；由此可见，本发明支持多种情况下对服务的Qos属性的评价，实现起来比较简单。
图1为本发明基于用户需求的WEB服务单个Qos属性评价方法的基本流程图。
具体实施例方式 下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
本发明以用户的需求为参考目标，对候选服务的Qos属性进行评价，在用户未提出Qos需求时，可以转为候选服务之间进行比较的方式，同时支持用户提出多种形式Qos需求的处理。
图1所示为本发明基于用户需求的WEB服务单个Qos属性评价方法的基本流程图。
步骤101，将服务请求方请求的服务与服务提供方提供的服务进行功能性匹配，从服务提供方提供的服务中将功能性匹配成功的服务提取出来，得到一个候选服务集。
WEB服务的Qos属性评价是在服务的功能性选择完成之后进行的。服务的功能性选择就是将服务请求方请求的服务与服务提供方提供的服务进行功能性的匹配。功能性匹配就是将服务提供方提供的每个服务和用户请求的服务分阶段对服务种类(Service Category)、输入项(Input)、输出项(Output)等进行相似度计算，再根据结果排序，相似度越高，说明功能性匹配越成功。功能性的匹配只能满足服务请求方对服务的静态、常规要求，如服务的类型、功能等。功能性的匹配为现有技术，此处不再赘述。
将服务进行功能性匹配后，从服务提供方提供的所有服务中得到一个候选服务集，候选服务集中的服务全部满足用户对服务的静态、常规要求。
步骤102，从候选服务集中提取所有Qos属性，得到一个候选Qos属性集。
服务提供方提供的服务中包含了其用来声明服务质量的Qos属性的描述，将候选服务集中所有服务的Qos属性提取出来，得到一个候选的Qos属性集。其中，Qos属性包括Qos属性名和Qos属性值。
步骤103、根据服务请求方请求的服务中对于Qos属性的描述，从候选Qos属性集中提取需要评价的Qos属性，得到一个需要评价的Qos属性集。
将服务请求方请求的服务中的Qos属性描述与候选Qos属性集中的Qos属性描述进行匹配，得到需要评价的Qos属性集。
如果通过功能性匹配后，候选服务集中有n个满足服务请求方功能需求的服务，则候选服务集可以表示为S＝{S1，S2，...，Sn}，每个服务有x个Qos属性，则得到一个n*x阶的矩阵，该矩阵就表示候选Qos属性集。将服务请求方请求的服务中对Qos属性的描述与矩阵中对Qos属性的描述进行匹配，得到一个n*m阶的矩阵，其中m表示每个服务中需要评价的Qos属性的数量，m≤x，则该矩阵表示需要评价的Qos属性集。
候选Qos属性集可以用矩阵表示为 需要评价的Qos属性集可以用矩阵表示为 步骤104～105、判断需要评价的Qos属性集是否为空，如果为空，则分析候选Qos属性集中各个Qos属性值的类型，然后执行步骤107；如果为非空，则执行步骤106。
步骤106，对服务请求方请求的服务中的Qos属性值类型进行分析。
根据服务请求方请求的服务中对Qos属性的描述，可以将服务请求方对服务的Qos需求分为两种情况一种是服务请求方对服务没有Qos需求，即需要评价的Qos属性集为空，这种情况下，对于候选Qos属性集而言，没有目标Qos属性可供匹配，只能通过在候选Qos属性之间进行Qos属性值的评价和比较，来为服务请求方选择Qos综合评价值最高的服务；另外一种是服务请求方在提交的服务请求中描述了对Qos的要求，即需要评价的Qos属性集为非空，在这种情况下，要以服务请求方请求的Qos属性为目标，对需要评价的Qos属性集中的Qos属性值进行评价，选择最接近用户需求的服务。
在确定了服务请求方对服务的Qos需求是否为空后，对需要进行评价的Qos属性的属性值进行分析，确认Qos属性值的类型。可以将Qos属性值分为两种类型精确型和区间型，精确型Qos属性值是指Qos属性参数取值唯一，区间型Qos属性值是指Qos属性参数取值在一个范围内。如服务中“时间”的值为“100ms”，或者满意度为“80％”，这些值为精确型的；如“价格”的值为“(1,100)”，则该值为区间型的。
步骤107，根据Qos属性值的类型，对候选Qos属性集或者需要评价的Qos属性集中的Q os属性值进行归一化处理，得到Qos属性值的评价值。
根据Qos属性值的类型，对Qos属性值进行归一化处理，得到Qos属性值的评价值。通过归一化处理，可以将Qos属性值的评价值归入到一个统一的标准中，如评价值的范围在区间(0，1)内。具体的对于Qos属性值的归一化处理将在下面的实施例中进行说明。
当需要评价的Qos属性集为空时，即用户服务的Qos需求为空时，对候选Qos属性集中的Qos属性进行分析，确定Qos属性值的类型。
1、候选Qos属性集中的Qos属性值为精确型。
单个服务中可能包含有多个类型的Qos属性，因为不同类型的Qos属性的取值标准相差很多，比如时间的取值可能是100ms，而可信度的取值一般是用0～1之间的数值表示，为了计算单个服务综合的Qos评价，首先需要将各个Qos属性值归一化到0～1区间内，可以规定评价值越接近1则其评价越高。
候选Qos属性集可以用矩阵表示，假设为矩阵Q，那么可以统一用下面的公式对Qos属性值进行归一化处理，公式(1)是对正向质量标准的Qos属性值的归一化处理公式；公式(2)是对逆向质量标准的Qos属性值的归一化处理公式 需要指出的是正向质量标准的Qos属性值的特点是其值越大说明该属性的效果越好；逆向质量标准的Qos属性值的特点是其值越小说明该属性的效果越好。
其中Vi，j是第i个服务的第j个属性的归一化结果，即评价值；Qjmax是矩阵Q第j列的最大值，即n个候选服务的第j个Qos属性的最大值；Qjmin是矩阵Q第j列的最小值，即n个候选服务的第j个Qos属性的最小值。
公式(1)中，当Qjmax-Qjmin≠0时表示公式是一个增函数，当Qi，j＝Qjmin时，评价值Vi，j为0；如果Qi，j越接近Qjmax，那么评价值Vi，j越大，当Qi，j＝Qjmax时，评价值Vi，j为1；当Qjmax-Qjmin＝0时表示各服务在该列属性上的Qos属性值都相等，则规定该列Qos属性的评价值Vi，j为1，各服务在该列属性上的评价值没有区别，所以公式(1)对于正向质量标准的Qos属性值是合理的。
公式(2)中，当Qjmax-Qjmin≠0时表示公式是一个增函数，当Qi，j＝Qjmax时，评价值Vi，j为0；如果Qi，j越接近Qjmin，那么评价值Vi，j越大，当Qi，j＝Qjmin时，评价值为Vi，j1；当Qjmax-Qjmin＝0时表示各服务在该列属性上的Qos属性值都相等，则规定该列Qos属性的评价值Vi，j为1，各服务在该列属性上的评价值没有区别，所以公式(2)对于逆向质量标准的Qos属性值是合理的。
使用公式(1)、(2)对Qos属性值进行归一化处理，得出的Qos属性评价值是一个相对值，即对于所有候选服务，在评价的Qos属性上表现最差的评价结果为0，表现最好的评价结果为1。在用户没有提出Qos需求的情况下，这种相对的评价方法会为用户从当前的候选服务集中选择出Qos属性评价相对最好的服务，因此是可行的。
2、候选Qos属性集中的Qos属性值为区间型。
当Qos属性值为区间型时，采用分别对区间的上下限进行归一化处理的方法。在这里限制服务提供方对服务某个Qos属性进行区间描述时出现无穷大的情况，因为在现实应用中某个Qos属性表现为无穷大的情况是不合理的，同时对服务请求方对于Qos属性需求的描述进行同样的限制。
对于第i个服务的第j个Qos属性Qi，j，令Qi，j∈[Qi，j，Qi，j]，其中Qi，j是区间的下界，Qi，j是区间的上界。对于正向质量标准的Qos属性值，使用公式(3)、(4)、(5)进行归一化处理。
公式(3)是对Qi，j区间下界的评价公式，其中Vi，j是评价结果，即区间下界的评价值，Qjmax是该列Qos属性的所有区间下界的最大值，Qjmin是该列Qos属性的所有区间下界的最小值。当Qjmax-Qjmin≠0时，公式(3)为增函数，Qi，j越大评价值Vi，j越大，评价越高。对于具有正向质量标准的Qos属性，若其属性值区间的下界越大，则可以得到较高的评价值，这种评价是合理的。
公式(4)是对Qi，j区间上界的评价公式，Vi，j是评价结果，即区间上界的评价值，Qjmax是该列Qos属性的所有区间上界的最大值，Qjmin是该列Qos属性的所有区间上界的最小值，公式(4)的单调性与公式(3)相同。
得到区间上下界的评价值后，利用公式(5)计算Qi，j的评价值Vi，j，即取Vi，j和Vi，j的平均值，由于公式(3)和(4)是增函数，所以公式(5)也是增函数，则区间的上下界越大，评价值越高。
对于逆向质量标准的Qos属性值，使用公式(6)、(7)、(8)进行归一化处理。
公式(6)是对Qi，j区间下界的评价公式，Vi，j是评价结果，即区间下界的评价值，Qjmax是该列Qos属性上所有区间下界的最大值，Qjmin是该列Qos属性上所有区间下界的最小值。
公式(7)是对Qi，j上界的评价公式，Vi，j是评价结果，即区间上界的评价值，Qjmax是该列Qos属性上所有区间上界的最大值，Qjmin是该列Qos属性上所有区间上界的最小值。公式(8)是对Qi，j最终评价值Vi，j的计算公式。
公式(6)、(7)、(8)的原理与公式(3)、(4)、(5)相同，此处不再赘述。
在对Qos属性值进行归一化处理以后，得到的评价值都在区间(0，1)内，数值越大，说明评价越高。
需要指出的是，对于候选服务集中的众多服务，在对同一类型的Qos属性进行描述时，会出现有的使用精确值，有的使用区间值进行描述的情况，因此在对Qos需求为空的单个Qos进行评价时，还需要考虑精确值和区间值同时存在的混合情况。
通过上面的分析可知，对区间型Qos属性值的处理方法是对精确型Qos属性值处理方法的扩展，当一个区间不断缩小最后变成一个精确值时，公式(3)-(8)可以简化为公式(1)和(2)。如果某一列Qos属性的属性值是精确型和区间型同时存在的混合情况，则可以将精确型看作是上下限相等的区间型，使用公式(3)-(8)进行评价。
当需要评价的Qos属性集为非空时，即用户对服务有Qos需求时，对服务请求方请求的服务中的Qos属性进行分析，确定Qos属性值的类型。然后，以服务请求方请求的服务中的Qos属性为目标，对需要评价的Qos属性集中的Qos属性进行归一化处理。
需要评价的Qos属性集可以用矩阵表示，假设矩阵为Q，Qi，j表示矩阵Q中第i个服务的第j列的Qos属性值，RQj表示服务请求方请求的服务中描述的第j个Qos属性值。
1、服务请求方请求的服务中描述的Qos属性值为精确型。
首先，计算各候选服务的Qos属性值与RQj的距离，即Qi，j与RQj的距离，用Di，j表示。当Qi，j为精确型时，其与RQj差的绝对值即为Di，j；当Qi，j为区间型时，假设Qi，j∈[Qi，j，Qi，j]，通过积分计算区间上每个点与RQj的距离，然后取平均值，其中，Qi，j是区间的下界，Qi，j是区间的上界。通过积分计算时，因为Qi，j值的分布情况无法得知，所以将其视作均匀分布来处理。Di，j的计算如公式(9)
在求得所有候选服务的第j个Qos属性值与RQj的距离后，计算Qi，j与RQj的相似度，即该Qi，j的评价值，用Simi，j表示，具体算法如公式(10) 其中，Djmax为矩阵Q中第j列Qos属性值与RQj的最大距离值，Djmin为矩阵Q中第j列Qos属性值与RQj的最小距离值。
当Djmax-Djmin≠0时，公式为递增函数，Di，j的值越小，Simi，j越大，评价越高；Di，j的值越大，Simi，j越小，评价越低。当Djmax-Djmin＝0时，表明该列所有Qi，j的值相等，服务在该列Qos属性上的评价相同，定义此时的相似度为1。
这种方法对于正向质量标准和逆向质量标准的Qos属性值都适用。
2、服务请求方请求的服务中描述的Qos属性值为区间型。
当服务请求方对第j个Qos属性的描述，即RQj为区间型时，也需要分不同的情况进行讨论，令RQj∈[RQj，RQj]，其中RQj为服务请求方请求的服务中第j个Qos属性值区间的下界，RQj为服务请求方请求的服务中第j个Qos属性值区间的上界。
通过计算Qi，j与RQj的相似度，Simi，j来进行评价。此处的相似度定义为Qi，j区间与RQj区间交集的长度占Qi，j区间长度的百分比，即将Qi，j区间会落入RQj区间的概率作为相似度，如公式(11) 其中，Len(Qi，j)表示Qi，j区间的长度，Len(Qi，j)＝|Qi，j-Qi，j|，Len(Qi，j∩RQj)表示Qi，j与RQj区间交集的长度。
当第i服务的第j个Qos属性值Qi，j是精确型时，且Qi，j的值在区间[RQj，RQj]内，即则定义Qi，j的评价值为1；当第i服务的第j个Qos属性值Qi，j是区间型时，且Qi，j∈[Qi，j，Qi，j]，如果区间[Qi，j，Qi，j]是区间[RQj，RQj]的子区间，即Qi，j∈RQj，则定义Qi，j的评价值为1。此时，Qi，j属于RQj或为RQj的子集，说明两者的匹配度最高，Qi，j的评价值也是最高的。
当Qi，j与RQj有交集时，即Qi，j∩RQj≠Ф，匹配度为两者交集的长度占Qi，j区间长度的比例，用公式表示，这表明了Qi，j区间会落在RQj区间中的概率；是一个增函数，Qi，j与RQj的交集长度越大，Simi，j越大，评价越高。
如果交集为空或Qi，j不属于RQj，即Qi，j∩RQj＝Ф则Qi，j区间会落在RQj区间中的概率为0，相似度Simi，j也为0，此时Qi，j的评价值最低。
需要指出的是，这种方法对服务提供方提供的服务中Qos属性值的区间描述进行了限制，要求Qos属性值的区间必须是有限范围，不能出现无穷大的情况；而对服务请求方的Qos属性值的区间没有限制，这样可以支持用户提出对Qos属性值的限制，对相关属性进行过滤限制，利用服务请求方提出的Qos属性值区间是开区间的特性，来过滤掉不满足此开区间值域的服务。例如，用户提出响应时间的值要求小于100ms，可以依据这个条件将所有服务提供方响应时间超过100ms的服务全部过滤掉，如响应时间在区间[100，300]ms的服务。这种方法对于正向质量标准和逆向质量标准的Qos属性值都适用。
下面将举例说明本发明的单个Qos属性评价方法。
假设候选服务集中有10个服务，选取这10个候选服务的Qos属性A为评价对象，则定义10个服务的Qos属性A的名称分别为A1、A2......A10，如表1所示为候选服务中对Qos属性A的描述。假设Qos属性A为逆向质量标准的Qos属性，单位为ms。
表1 从表1的数据可知，Qos属性A的属性值是区间型的。将候选10个服务的所有Qos属性用矩阵W来表示 如果服务请求方对服务在Qos属性A上没有提出需求，那么，使用需要评价的Qos属性集为空时，即用户Qos需求为空时的单个Qos评价方法，通过公式(6)、(7)、(8)计算各候选服务Qos属性A的评价值。
首先计算各个服务在Qos属性A上属性值区间下界的评价值，对矩阵W分析可得，各个服务在Qos属性A的值中区间上界最大值和最小值分别为，WAmax＝235和WAmin＝190，区间下界最大值和最小值分别为WAmax＝210和WAmin＝160，且WAmax-WAmin＝235-190≠0，WAmax-WAmin＝210-160≠0。将Qos属性A1的值WA1∈(180，200)，代入公式(6)，可得Qos属性A1区间下界的评价值 将Qos属性A1的值WA1∈(180，200)，代入公式(7)，可得Qos属性A1区间上界的评价值 将区间下界评价值Vi，j和区间上界评价值Vi，j代入公式(8)，可得Qos属性A1的最后评价值 通过计算，可得到10个服务在Qos属性A上的评价值，如表2所示为Qos属性A的评价结果 表2 因为服务请求方没有提出对Qos属性A的需求，所以在评价过程中根据Qos属性A的自身特性进行计算。
如果用户对服务在Qos属性A上有需求，且要求该服务在Qos属性A上的值为精确值200，RWA＝200，那么使用需要评价的Qos属性集为非空时，即用户对Qos需求非空时的单个Qos评价方法，通过公式(9)和(10)计算各候选服务Qos属性A的评价值，即相似度SimAn。
将Qos属性A1的值WA1∈(180，200)代入公式(9)，由于RWA＝200，其值为精确型，所以由公式(9)可得WA1与RWA的距离DA1 按照这种方法，计算出其他9个服务在Qos属性A上的值与RWA的距离，可以得到DAn的最大值DAnmax＝DA8＝22.5，最小值DAnmin＝DA2＝7.5，由于DAnmax-DAnmin＝22.5-7.5≠0，则由公式(10)可以得到Qos属性A1的最终评价值，即相似度SimA1 通过计算，可得到10个服务在Qos属性A上的值与RWA的距离和最终的评价值，即相似度，如表3所示 表3 因为服务请求方对Qos属性A提出了具体要求，则候选服务在Qos属性A上的评价高低依赖于其在Qos属性A上的值与服务请求这要求的值的接近程度。
如果服务请求方要求服务的Qos属性A的属性值为区间值(190，210)，RWA∈(190，210)，则使用公式(11)来计算候选的10个服务在该属性的评价值，即相似度SimAn。
以Qos属性A1为例，首先判断区间WA1∈(180，200)是否为区间RWA∈(190，210)的子区间，可以看出WA1∈(180，200)不是RWA∈(190，210)的子区间，两者之间有交集，且交集为区间(190，200)，即WA1∩RWA≠Ф，则Len(WA1∩RWA)＝|200-190|＝10，Len(WA1)＝|200-180|＝20，由公式(11)可得 再如Qos属性A3，可以看出其值的区间与区间RWA∈(190，210)没有交集，所以由公式(11)可知Qos属性A3的评价值为0。
表4所示为通过公式(11)计算出的10个候选服务在Qos属性A的评价结果。
表4 因为候选服务在Qos属性A的属性值是区间型的，则候选服务在Qos属性A上的评价高低依赖于候选服务在Qos属性A上的表现区间，即候选区间与服务请求方要求的Qos属性A区间交集的长度占候选区间长度的百分比。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
权利要求
1、一种基于用户需求的WEB服务单个Qos属性评价方法，将服务请求方请求的服务与服务提供方提供的服务进行功能性匹配，从服务提供方提供的服务中将所述功能性匹配成功的服务提取出来，得到一个候选服务集，其特征在于，该方法还包括以下步骤
从所述候选服务集中提取所有Qos属性，得到一个候选Qos属性集；
根据所述服务请求方请求的服务中对于Qos属性的描述，从所述候选Qos属性集中提取需要评价的Qos属性，得到一个需要评价的Qos属性集；
判断所述需要评价的Qos属性集是否为空，如果为空，则分析所述候选Qos属性集中各个Qos属性值的类型；如果为非空，则对所述服务请求方请求的服务中的Qos属性值类型进行分析；
根据所述Qos属性值的类型，对所述候选Qos属性集或者需要评价的Qos属性集中的Qos属性值进行归一化处理，得到Qos属性值的评价值。
2、根据权利要求1所述基于用户需求的WEB服务单个Qos属性评价方法，其特征在于，所述Qos属性值的类型分为精确型和区间型。
3、根据权利要求1所述基于用户需求的WEB服务单个Qos属性评价方法，其特征在于，所述分析候选Qos属性集中各个Qos属性值的类型，还包括确定Qos属性值具有正向质量标准特征或者具有逆向质量标准特征。
4、根据权利要求1至3中任一项所述基于用户需求的WEB服务单个Qos属性评价方法，其特征在于，所述对候选Qos属性集中的Qos属性值进行归一化处理，包括
4a、当所述候选Qos属性集中的Qos属性值为精确型且具有正向质量标准特征时，使用公式对Qos属性值进行归一化处理，其中，Qi，j是所述候选Qos属性集中第i个服务的第j个Qos属性的值，Vi，j是所述候选Qos属性集中第i个服务的第j个Qos属性的评价值，Qjmax是所述候选Qos属性集中第j列Qos属性的最大值；Qjmin是所述候选Qos属性集中第j列Qos属性的最小值；
4b、当所述候选Qos属性集中的Qos属性值为精确型且具有逆向质量标准特征时，使用公式对Qos属性值进行归一化处理；
4c、当所述候选Qos属性集中的Qos属性值为区间型且具有正向质量标准特征时，首先使用公式和计算出所述Qos属性值区间下界和上界的评价值；然后使用公式计算出所述Qos属性值的评价值，其中，Vi，j、Vi，j是Qos属性值区间下界和上界的评价值，Qi，j、Qi，j是Qos属性值区间的下界和上界，Qjmax、Qjmin是所述候选Qos属性集中第j列Qos属性的所有区间下界的最大值和最小值，Qjmax、Qjmin是所述候选Qos属性集中第j列Qos属性的所有区间上界的最大值和最小值；
4d、当所述候选Qos属性集中的Qos属性值为区间型且具有逆向质量标准特征时，首先使用公式和计算出所述Qos属性值区间下界和上界的评价值，然后使用公式计算出所述Qos属性值的评价值。
5、根据权利要求1至3中任意一项所述基于用户需求的WEB服务单个Qos属性评价方法，其特征在于，所述对需要评价的Qos属性集中的Qos属性值进行归一化处理，包括
5a、当所述服务请求方请求的服务中描述的Qos属性值为精确型时，首先使用公式
计算出所述需要评价Qos属性集中的Qos属性值与所述服务请求方请求的服务中描述的Qos属性值的距离，然后使用公式计算出所述需要评价Qos属性集中的Qos属性值的评价值，其中RQj是服务请求方请求的服务中描述的第j个Qos属性值，Qi，j是所述需要评价的Qos属性集中第i个服务的第j个属性的值，Di，j是所述RQj与Qi，j之间的距离，Djmax、Djmin是需要评价的Qos属性集中第j列Qos属性值与RQj的最大距离和最小距离，Simi，j是所述需要评价的Qos属性集中第i个服务的第j个属性的评价值；
5b、当所述服务请求方请求的服务中描述的Qos属性值为区间型时，使用公式计算出所述需要评价的Qos属性集中的Qos属性值的评价值，其中Len(Qi，j)表示Qi，j区间的长度，Len(Qi，j ∩RQj)表示Qi，j区间与RQj区间交集的长度。
全文摘要
本发明公开了一种基于用户需求的WEB服务单个Qos属性评价方法，该方法可以在用户提交的服务请求中包含Qos需求和不包含Qos需求两种情况下完成对Qos属性进行的评价；同时，本发明在评价过程中考虑到了服务使用不同的度量表示方式对Qos属性进行描述的情况，从而使用不同的归一化处理方式得到候选服务在单个Qos属性上的评价值；另外，本发明利用基于用户请求的Qos评价方法可以得到服务单个Qos的评价值，以单个Qos属性的评价值为基础就可以计算服务的综合Qos评价值，从而对服务选择过程提供参考；本发明支持多种情况下对服务的Qos属性的评价，实现起来比较简单。
文档编号H04L12/24GK101404589SQ20081022637
公开日2009年4月8日 申请日期2008年11月14日 优先权日2008年11月14日
发明者森 苏, 于晓燕, 杨放春, 蕾 张, 锴 双, 薛春刚, 龙丽娟 申请人:北京邮电大学