专利名称：一种基于多属性匹配的云服务推荐方法及装置的制作方法
技术领域：
本发明运用于计算机服务领域，具体为一种基于多属性匹配的云服务推荐方法及
直O
背景技术：
随着网络与信息科技的发展，在过去的十年中公共计算资源需求呈指数型增长。 但是各个企业之间的计算资源分配不均衡，对于一些中小型公司，由于负担不起高昂的基础设施建设和服务管理费用，使得缺少计算资源成为其发展的重大阻碍。对于一些大型的跨国公司如AmaZ0n，IBM, Microsoft和Google，如何提高大规模私有计算资源和减少资源维护的费用成为困扰各大跨国公司首席信息官的重大难题。云计算的提出并实现，以及计算资源业务可作为继水、电、煤、气后第五类支付即可用的日用品，让大型跨国公司与中小型企业之间的差距逐步缩小。云计算是一种新的多租户计算范例，它可以通过互联网向客户提供多种多样的应用服务和计算资源。云服务提供商们可通过租赁空闲计算资源这种服务给客户而获得长久的收益。然而，由于云服务具有动态性、多租户、一次使用性，因此必须向客户保证云服务的交货。通常情况下，客户是通过云服务推荐系统CRS (又称云服务中间商)来选择和购买云服务提供商的服务方案。CRS作为一套装置，可用来加强云服务的选择和交易的可靠性，这种加强包括云服务的发布、云服务解决方案的检索、创建完整的选择策略，甚至大幅度提高交易的安全性等。大多数大型跨国云服务提供商倾向于在CRS上发布云服务解决方案来吸引客户，客户也乐于从具有服务推荐和交易监控的CRS中获得更多的效益。传统的推荐系统在实践中主要面临两种挑战，其一是在系统中整合服务方案的匹配算法或推荐算法，其二是在云业务交易过程中恰当地引入服务监控机制。此外，功能属性(如CPU运算能力、内存和外存容量大小)作为云服务的基本属性，在传统云服务选择过程中也是作为推荐标准来应用的。可信性Q0S在动态云服务选择过程中也是一种重要因素，因为许多提供商发布了具有相同的功能属性的云服务，但Q0S 保障却不同。因此有必要建立一种多属性匹配机制，这种机制能够让云服务客户的需求和服务商提供的云服务解决方案对于功能和Qos的属性达成一致。云服务探索和选择是一个广泛性的研究课题，然而，由于云服务本质特征多样性， 而且不同的人对此也持有不同的观点，所以罕有统一的云推荐系统模型。虽然许多学者致力于设计和发展云服务语义的描述框架和自动协商算法，但忽略了其它的一些CRS问题， 比如多属性云服务匹配算法和云服务推荐方法。为此，本发明着重于一种基于多属性匹配的云服务推荐方法及装置，使得云服务推荐可交互化，从而提高云服务供求匹配算法的适用性
发明内容
本发明目的是提供一种基于多属性匹配的云服务推荐方法及装置，以实现云服务推荐系统中多属性云服务解决方案的匹配与推荐。为了达到上述目的，本发明所采用的技术方案为一种基于多属性匹配的云服务推荐方法，由云服务提供商向云服务推荐装置发布云服务解决方案，由云服务客户向云服务推荐装置发布云服务需求，其特征在于分别从云服务解决方案中获取解决方案的属性集、解决方案属性集的匹配特征、解决方案的实际值， 从云服需求中获取需求的属性集、需求属性集的匹配特征、需求的期望值，并按以下步骤执行(1)将客户向云服务推荐装置发布的云服务需求的集合记作CSi (i = 1，...，I)， 云服务商向云服务推荐装置发布的云服务解决方案的集合记作csjj = 1，. . .，J)，设定CSi 与在发布时两者具有相同属性子集，即CSi与具有相同功能属性和可信属性，且每个属性子集均包括功能属性和可信属性，将CSi与Ci^分别由“软件服务需求规约文档”和 “备选方案规约文档”规格化为向量[FA，QA, MCF, MCQ]；在所述Csi与CSj共同规格化后的向量中，定义FA = Ifa1, ... , faN}为功能属性集，QA = Iqa1, ... , qaM}为可信属性集，MCF =Imcf1, ...，mcfj为FA的匹配特征集，MCQ = Imcq1, ...，mcqM}为QA的匹配特征集；(2)令mcfn(l 彡 η 彡 N) e MCF,mcfn = {"benefit","cost","hard constraint”} 为功能属性ftin(l彡η彡N)的匹配特征，并定义FVc = Ifv1, ... , fvN}、FVp = {fvpa,..., fvp, J分别为CSi与(^j在FA上的期望值与实际值；令mcqm (1彡m彡M) e MCQ, mcqm = { "benefit", "cost"}为可信属性qiim(l彡m彡Μ)的匹配特征，并定义QV。= {qvi; ···， qvM}，QVp = {qvpa, ... , qvp,M}分别为CSi与q在QA上的期望值与实际值；(3)对所述云服务解决方案与云服务需求中相应各功能属性进行比对，并计算相应的各功能属性的匹配度，然后将所有符合条件的云服务解决方案作为匹配集；(4)对所述云服务解决方案相应可信属性进行比对，并估算可信属性匹配度，然后结合可信属性权重与方案匹配度获得综合匹配度，其中可信属性权重由加权方法得到，方案匹配度由各功能属性匹配度求和得到；(5)根据步骤C3)所得匹配集中，以及根据步骤(4)得到的各个匹配方案的综合匹配度，结合历史客户评价计算推荐度并对其排序，将符合条件的匹配方案归入推荐集。所述的一种基于多属性匹配的云服务推荐方法，其特征在于所述步骤C3)具体过程如下(1)首先令(11，...，屯为(^与(^之间在？六上的匹配度，其中(11^= 1，...，N) 为CSi与(3 在第％个属性上的匹配度；(2)对于匹配特征“benefit”，如果满足fvp, n彡fvn，就令dk = fvp.n/fVn，否则dk =0，对于匹配特征“cost”，如果满足fvp,n彡fvn，就使得dk = l+(fVp,n-fVn)/fVp,n，否则dk =0，对于匹配特征“hard constraint”，如果fvp,n = fvn，就使得dk = 1，否则dk = 0 ；当对于任意dn(l < η < N)，都有dn > 0，则成功匹配所述云服务解决方案属性中的实际值；(3)根据步骤(2)得出一条CSj上各个功能属性的匹配度mdp,n(l彡η彡N)，匹配度mdp,n即为步骤O)中得出的dk值，mdp,n大于0时标记为TRUE，否则标记为FALSE，并对所有mdp,n(l彡η彡N)标记做与运算，结果为FALSE则将该条方案剔除，否则作为匹配方案归入匹配集，令Π为匹配成功的方案条数，初始为0，利用Hldp = mdp+ Σ，电“！！^初始为0)计算匹配成功方案的匹配度。所述的一种基于多属性匹配的云服务推荐方法，其特征在于所述步骤(4)具体过程如下(1)令屯，...，dM为Csi与⑶」之间在QA上的匹配度，其中dk(k= 1，...，Μ)为 CSi与(3 在第％个属性上的匹配度；(2)对于匹配特征“benefit”，判断如果满足qvp, ffl ^ qvm，就使得dk = qvp, ffl/qvffl, 否则dk = 0，对于匹配特征“cost”，判断如果满足qvp,m彡qvm，就使得dk = l+(qvp,ffl-qvffl)/ qVp,m，否则dk = 0;(3) ^wm(m = 1，. . .，M)为各可信属性上的权值，利用mdp = rndp+wmXdm,由可信属性各属性匹配度dm乘上各自权值wm，并与权利要求2中得到的匹配度求和，作为各个匹配方案新的匹配度，记作综合匹配度MDegree。所述的一种基于多属性匹配的云服务推荐方法，其特征在于所得匹配集中，根据各个匹配方案的综合匹配度和历史客户评价计算推荐度并对其排序，将符合条件的匹配方案归入推荐集，具体过程如下令rdj.^e
为使用过云服务的客户Ctl(KqSQ)对云服务商所提供方案 CSj的客户评价，历史客户评价RDegree，rdj是⑶」的一组评价方法，计算公式为
Ρ·10、8 rd. , 0>0Vdj=I Q 厶—]Λ 乂 ,(公式 1)
1Q = O其中Q为中客户组的规模，ΙηΟ +10)为尺度因子，
一方案客户评价的求和，若rc^. > 0，则代入公式2，计算出推荐熵Hj = -mdjrdjlogMjrdj)(公式 2)将推荐熵代入到公式3中得到tdj作为CRS对方案CSj (j = 1， TotalDegree，计算公式为
d -mdj-rdj \og(jnd,d)、Jι MdiVdi Iog(MdiFdi)(厶式 3)如果tc^.小于客户所要求的阈值则将此匹配方案从匹配方案集中剔除，最终将符合要求的匹配方案集更新为推荐方案集Rc = { (CSj, tdj) }。所述的一种基于多属性匹配的云服务推荐方法，其特征在于所述步骤中，加权方法采用层次分析法，或简单加权法，或逼近理想解排序法。一种云服务推荐装置，其特征在于包括以下功能模块云服务需求发布模块，供云服务客户通过图形用户界面发布指定的云服务需求；估算属性匹配度模块，用于获取功能属性匹配度和可信属性匹配度；生成匹配集模块，用于通过功能属性和可信属性比对，将云服务解决方案集中符合匹配要求的方案归入匹配集中；客户评价获取模块，用于让客户对所使用的云服解决务方案进行评价，并将评价结果应用与将来的推荐过程中；生成推荐集模块，在匹配集的基础上通过历史客户评价和匹配方案的综合匹配度得到推荐度，进一步筛选匹配集为推荐集。
6
,,9为多个客户对同 ...，J)的推荐度
所述的一种云服务推荐装置，其特征在于还包括展示模块，展示模块用于将云服解决务方案、客户需求信息、云服务匹配推荐数据分别以图形用户界面供云服务商和云服务客户操作或展示。与现有技术相比，本发明实施例所述的方法和装置，运用了多属性匹配的特点，展现了一种同时考虑到功能属性和可信属性的新颖云服务匹配算法，从而解决了传统推荐系统所面临的两个问题其一是如何在自动推荐方案系统中整合匹配算法或推荐算法；其二是在云业务交易过程中恰当地引入服务监控机制。相对于传统匹配推荐方法本发明增加了可信属性匹配，以及由客户反馈评价所得历史客户评价的比对，使得云服务客户可以寻找到更准确更优效的云服务匹配方案。
图1是本发明的一种基于多属性匹配的云服务推荐方法实施例1的流程图。图2是本发明的一种基于多属性匹配的云服务推荐方法实施例2的流程图。图3是本发明的一种基于多属性匹配的云服务推荐装置实施例1的结构示意图。
具体实施例方式本发明可用于众多通用或专用的计算装置环境或配置中，例如个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组建、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。为了使得本领域技术人员能够更清楚地了解本发明的技术方案，下面对多属性云服务匹配推荐的原理做一个详细的介绍。参考图1，示出了本发明的一种多属性的云服务匹配推荐方法实施例1的流程图， 可以包括以下步骤步骤101 分别从云服务解决方案中获取属性集及其匹配特征与实际值，从云服需求中获取属性集及其匹配特征与期望值。每条云服务解决方案包括方案编号、功能属性(包括CPU运算能力、内存大小、外存大小等)，Qos属性(包括方案效率、网络延迟时间、运行时间等)。客户通过GUI填写一些必要信息(如所需云服务类型、客户名称、需求发布时间、需求截止时间、需求方案条数) 与所需方案的功能属性和Qos属性的匹配特征与期望值。步骤102 对所述云服务解决方案与云服务需求中相应各功能属性进行比对，以及，计算各功能属性匹配度，并将符合条件的云服务解决方案归入匹配集。在实际应用中，依次逐条将云服务解决方案的属性匹配特征和实际值与云服务需求的属性匹配特征和期望值进行比对。在比对中如果一条云服务解决方案的一个功能属性匹配度大于0，则标记为“TRUE”，否则为“FALSE”，对所有功能属性标记做与运算，若结果为“FALSE”，则将相应云服务解决方案剔除，若结果为“TRUE”，则将相应云服务解决方案归入匹配集，并使得功能匹配度为所有功能属性匹配度之和，同时记录下匹配集中方案的条数。步骤103 对所述云服务解决方案相应各Qos属性进行比对，以及，估算Qos属性匹配度，并结合Q0S权重与方案匹配度获得综合匹配度。利用Qos各个属性匹配度乘上属性权值，与前面得到的方案匹配度求和，得到匹配方案的综合匹配度，并在原有匹配集的基础上更新匹配集中每条方案的匹配度为综合匹配度。步骤104 所得匹配集中，根据各个匹配方案的综合匹配度和历史客户评价，计算推荐度并对其排序，归入推荐集。经过步骤102和步骤103后，判断匹配集中方案的条数是否达到客户要求的数量， 或云服务解决方案已经比对完了，若满足任一条件，停止比对并形成最终的匹配集，否则继续比对。匹配集中每种方案都有使用过该方案的一个或多个客户对该方案进行的评价，利用公式1将这些评价转换成历史客户评价，若历史客户评价大于0，利用公式2分别计算出所有匹配方案的推荐熵。分别将这些推荐熵代入公式3获取所有匹配方案的推荐度。依次判断各推荐度是否小于客户要求的阈值，如果是，则将此匹配方案剔除，剩下方案均为最终推荐方案，由CRS推荐给云服务客户进行选取。在本实施例中，可以看出，运用了 Qos属性加权匹配和客户评价推荐，在功能属性匹配集的基础上再进行Qos属性加权匹配筛选匹配集和客户评价推荐筛选匹配集，所得匹配推荐方案较之普通多属性匹配在匹配准确性和优效性上得到很大的提高。参考图2，示出了本发明的一种基于多属性匹配的云服务推荐方法实施例2的流程图，可以包括以下步骤步骤201 分别从云服务解决方案中获取属性集及其匹配特征与实际值，从云服需求中获取属性集及其匹配特征与期望值。在实际应用中，所述云服务解决方案和云服务需求中的记录数目可以不相同，也可以相同。例如，所述云服务解决方案如表1所示，所述云服务需求如客户向CRS发布的一条或多条云服务需求。 表 权利要求
1.一种基于多属性匹配的云服务推荐方法，由云服务提供商向云服务推荐装置发布云服务解决方案，由云服务客户向云服务推荐装置发布云服务需求，其特征在于分别从云服务解决方案中获取解决方案的属性集、解决方案属性集的匹配特征、解决方案的实际值， 从云服需求中获取需求的属性集、需求属性集的匹配特征、需求的期望值，并按以下步骤执行(1)将客户向云服务推荐装置发布的云服务需求的集合记作CSi(i = 1，...，I)，云服务商向云服务推荐装置发布的云服务解决方案的集合记作Ciij(j = 1，. . .，J)，设定Csi与 ⑶」在发布时两者具有相同属性子集，即CSi与具有相同功能属性和可信属性，且每个属性子集均包括功能属性和可信属性，将CSi与Ci^分别由“软件服务需求规约文档”和“备选方案规约文档”规格化为向量[FA，QA, MCF, MCQ]；在所述Csi与共同规格化后的向量中，定义FA = Ifa1, ... , faN}为功能属性集，QA = Iqa1, ... , qaM}为可信属性集，MCF = Imcf1, ...，mcfN}为FA的匹配特征集，MCQ = Imcq1, ...，mcqM}为QA的匹配特征集；(2)令mcfn(l 彡 η 彡 N) e MCF, mcfn = { "benefit", "cost", "hard constraint，，} 为功能属性ftin(l彡η彡N)的匹配特征，并定义FVc = Ifv1, ... , FvJ、FVp = {fvpa,..., fvp, J分别为CSi与(^j在FA上的期望值与实际值；令mcqm (1彡m彡M) e MCQ, mcqm = { "benefit", "cost"}为可信属性qiim(l彡m彡Μ)的匹配特征，并定义QV。= {qvi; ···， qvM}，QVp = {qvpa, ... , qvp,M}分别为CSi与q在QA上的期望值与实际值；(3)对所述云服务解决方案与云服务需求中相应各功能属性进行比对，并计算相应的各功能属性的匹配度，然后将所有符合条件的云服务解决方案作为匹配集；(4)对所述云服务解决方案相应可信属性进行比对，并估算可信属性匹配度，然后结合可信属性权重与方案匹配度获得综合匹配度，其中可信属性权重由加权方法得到，方案匹配度由各功能属性匹配度求和得到；(5)根据步骤C3)所得匹配集中，以及根据步骤(4)得到的各个匹配方案的综合匹配度，结合历史客户评价计算推荐度并对其排序，将符合条件的匹配方案归入推荐集。
2.根据权利要求1所述的一种基于多属性匹配的云服务推荐方法，其特征在于所述步骤(3)具体过程如下(1)首先令屯，...,屯为(^与(^」之间在？4上的匹配度，其中4&=1，...，N)为 CSi与(3 在第％个属性上的匹配度；(2)对于匹配特征“benefit”，如果满足fvp,n彡fvn，就令dk= fvp,n/fVn，否则dk = 0， 对于匹配特征“cost”，如果满足fvp,n彡fVn，就使得dk = l+(fVp,n-fVn)/fVp,n，否则dk = 0， 对于匹配特征“hard constraint”，如果fvp,n = fvn，就使得dk = 1，否则dk = 0 ；当对于任意dn(l < η < N)，都有dn > 0，则成功匹配所述云服务解决方案属性中的实际值；(3)根据步骤(2)得出一条⑶」上各个功能属性的匹配度mdp,n(l<n<N)，匹配度mdp, 即为步骤(2)中得出的dk值，mdp,n大于0时标记为TRUE，否则标记为FALSE，并对所有mdp,标记做与运算，结果为FALSE则将该条方案剔除，否则作为匹配方案归入匹配集，令n为匹配成功的方案条数，初始为0，利用mdp = mdp+ Σ #dp,n(mdp初始为0)计算匹配成功方案的匹配度。
3.根据权利要求1所述的一种基于多属性匹配的云服务推荐方法，其特征在于所述步骤(4)具体过程如下(1)令Cl1,...，dM为Csi与(^j之间在QA上的匹配度，其中dk(k=1，...，M)为(3&与 (^j在第％个属性上的匹配度；(2)对于匹配特征“benefit”，判断如果满足qvp,m彡qvffl,就使得dk = qvp, ffl/qvffl,否则 dk = 0，对于匹配特征“cost”，判断如果满足qvp,m彡qvm，就使得dk = 1+(qvp,m-qvm)/qvp,m, 否则dk = 0 ；(3)^wm(m = 1，. . .，M)为各可信属性上的权值，利用mdp = rndp+wmXdm,由可信属性各属性匹配度dm乘上各自权值wm，并与权利要求2中得到的匹配度求和，作为各个匹配方案新的匹配度，记作综合匹配度MDegree。
4.根据权利要求2或3所述的一种基于多属性匹配的云服务推荐方法，其特征在于 所得匹配集中，根据各个匹配方案的综合匹配度和历史客户评价计算推荐度并对其排序， 将符合条件的匹配方案归入推荐集，具体过程如下令rd“ e
为使用过云服务的客户 (1彡q彡Q)对云服务商所提供方案Csj的客户评价，历史客户评价RDegree，rdj是的一组评价方法，计算公式为其中Q为中客户组的规模，ln(Q+10)为尺度因子，Σ，=/< 9为多个客户对同一方案客户评价的求和，若rc^. > 0，则代入公式2，计算出推荐熵 Hj = -mdj-rdjlog (mdj-rdj)(公式 2)将推荐熵代入到公式3中得到tc^.作为CRS对方案0~(」=1，...，J)的推荐度 TotalDegree，计算公式为如果tc^.小于客户所要求的阈值则将此匹配方案从匹配方案集中剔除，最终将符合要求的匹配方案集更新为推荐方案集Rc = { (CSj, tdj) }。
5.根据权利要求1所述的一种基于多属性匹配的云服务推荐方法，其特征在于所述步骤(4)中，加权方法采用层次分析法，或简单加权法，或逼近理想解排序法。
6.一种云服务推荐装置，其特征在于包括以下功能模块云服务需求发布模块，供云服务客户通过图形用户界面发布指定的云服务需求； 估算属性匹配度模块，用于获取功能属性匹配度和可信属性匹配度； 生成匹配集模块，用于通过功能属性和可信属性比对，将云服务解决方案集中符合匹配要求的方案归入匹配集中；客户评价获取模块，用于让客户对所使用的云服解决务方案进行评价，并将评价结果应用与将来的推荐过程中；生成推荐集模块，在匹配集的基础上通过历史客户评价和匹配方案的综合匹配度得到推荐度，进一步筛选匹配集为推荐集。
7.根据权利要求6所述的一种云服务推荐装置，其特征在于还包括展示模块，展示模块用于将云服解决务方案、客户需求信息、云服务匹配推荐数据分别以图形用户界面供云服务商和云服务客户操作或展示。
全文摘要
本发明公开了一种基于多属性匹配的云服务推荐方法及装置，由云服务提供商向云服务推荐装置发布云服务解决方案，由云服务客户向运服务推荐装置发布云服务需求，分别从云服务解决方案中获取属性集及其匹配特征与实际值，从云服需求中获取属性集及其匹配特征与期望值；对云服务解决方案与云服务需求中相应各功能属性进行比对以及计算各功能属性匹配度，并将符合条件的云服务解决方案归入匹配集；对云服务解决方案相应各可信属性进行比对以及估算可信属性匹配度，并结合可信权重与方案匹配度获得综合匹配度；所得匹配集中，根据各个匹配方案的综合匹配度和历史客户评价，计算推荐度并对其排序，将符合条件的匹配方案归入推荐集。
文档编号H04L29/08GK102523247SQ20111037716
公开日2012年6月27日 申请日期2011年11月24日 优先权日2011年11月24日
发明者丁帅, 杨善林, 杨露, 罗贺, 胡笑旋, 马华伟 申请人:合肥工业大学