基于动态QoS和主客观权重的Web服务选取方法及其装置与流程

本发明属于计算机应用技术领域，特别涉及一种基于动态qos和主客观权重的web服务选取方法及其装置。

背景技术：

随着云计算技术的迅速发展和商业应用，越来越多的数据资源、计算资源和应用资源依托internet以web服务的形式提供应用。近些年来，部署在internet上的web服务呈爆炸式增长，具有相同功能属性、不同非功能属性的web服务也越来越多。因此，传统的依据功能属性进行服务选取的方法已经不能够满足用户的需求，如何依据服务的非功能属性，如服务质量(qualityofservice,qos)来进行服务选取，成为学术界关注的热点。申利民等人提出的一种考虑qos数据不确定性的服务选取方法，根据服务qos数据的分布情况自定义合理准确的qos约束条件；建立qos属性云模型，对web服务的qos数据进行不确定决策，过滤掉qos数据表现波动比较大的web服务，在保证服务可靠性的基础上缩小web服务选取的搜索空间，提高服务选取效率；对过滤后服务的qos数据进行规范化处理，计算用户对服务评价的qos聚合值；依据服务使用者的qos评价及其数量计算服务的推荐度，并依此对服务排序完成服务推荐。该方法仅仅利用云模型来过滤qos不确定性的服务，且假定用户已经给出具体的qos指标权重值，用户主观随意性较大。

现有基于qos的服务选取方法存在以下缺点：(1)没有考虑到web服务qos属性值的不确定性。该不确定性体现在两个方面。一个方面是web服务运行在动态的网络环境中，任何因素如网络带宽、位置、时间等都会影响到web服务的qos属性值，因此根据精确的qos属性值进行服务选取，准确性不高。另一个方面是由于人的思维模式的模糊性，用户更倾向于使用区间数而不是精确值来表达其对服务的需求。考虑qos的不确定性应作为服务选取和服务组合的前提，而已有的大多数模型均没有考虑到qos数据的不确定性。(2)服务qos属性权重确定不合理。目前主要有两种确定权重的方法，主观赋权模式和客观赋权模式。在主观赋权模式下服务的qos权重完全由用户确定，这虽然体现了用户的个性化需求，但具有很大的主观随意性，且大多数用户不具有服务领域的相关知识，给定精确的权重值给用户带来额外负担。相对来说，用户更加倾向于使用偏好顺序来表达其需求，如服务价格>响应时间>可靠性等。客观赋权模式是由客观数据确定，虽然其结果具有较强的数字理论依据，但忽略了用户的主观偏好。因此，在确定qos权重时同时考虑用户主观偏好和客观数据更符合服务选取的实际情况。

技术实现要素：

针对现有技术中的不足，本发明提供一种基于动态qos和主客观权重的web服务选取方法及其装置，提高服务选取的准确性。

按照本发明所提供的设计方案，一种基于动态qos和主客观权重的web服务选取方法，包含如下内容：

根据用户qos需求的模糊性和候选服务qos值的波动范围，建立区间qos模型；

计算每个基本服务下候选服务的相似度；

结合用户主观偏好计算qos指标综合权重；

根据qos指标综合权重及相似度，获取每个候选服务的推荐度，通过推荐度对所有候选服务进行排序；

根据排序结果选取符合用户qos需求的服务。

上述的，根据qos属性对web服务质量的影响，将web服务的qos属性定义为四维向量qos＝(t,e,a,r)，并采用区间来表示qos值的波动范围，其中，t为响应时间；e为服务信誉度；a为服务可用性；r为服务可靠性。

上述的，计算每个基本服务下的候选服务的相似度，包含如下内容：假设组合服务wsc由m个基本服务wsi构成，记为wsc＝{ws1,ws2,…wsm}，每个基本服务wsi有n个候选服务，记为wsi＝{s1,s2,…sn}，k个qos指标记为集合qcs；利用区间相似度公式，得到每个候选服务的各个qos属性的相似度；将每个基本服务下的n个候选服务列为一个n×k的相似度矩阵vi，得到m个矩阵，

，其中，pij表示该基本服务的第i个候选服务的qos指标j的相似度。

上述的，利用逼近理想点的多属性决策方法，通过建立过目标规划模型，求解基本服务qos指标客观权重。

优选的，求解基本服务qos指标客观权重，包含如下内容：基本服务的qos指标权重向量为w＝<w1,w2,...wk>，pij表示该基本服务的第i个候选服务的qos指标j的相似度；令正理想点为1，则候选服务i与正理想点之间的加权距离为：建立多目标决策模型：求解一个权重向量w，使得将多目标优化问题转化为单目标优化，即：通过求解计算出基本服务l关于qos指标的客观权重向量wl。

上述的，结合用户主观偏好计算qos指标综合权重，包含如下内容：结合用户主观偏好，采用基于偏移量相似度度量的方法获取基本服务的重要性权重；根据qos指标客观权重及重要性权重，计算qos指标综合权重。

优选的，计算qos指标综合权重，包含如下内容：qos指标客观权重wl＝<wl1,wl2,...wlk>，1≤l≤m，将其列为客观权重矩阵w，即：

，根据该系列基本服务的重要性权重向量u＝<u1,u2,…um>，通过公式计算得到考虑用户偏好的综合qos指标权重ω＝<ω1,ω2,…ωk>。

更进一步，通过公式计算得到考虑用户偏好的综合qos指标权重ω＝<ω1,ω2,…ωk>，计算公式为：

上述的，通过推荐度对所有候选服务进行排序，具体包含如下内容：每个基本服务的候选服务的推荐度按照由大到小的顺序进行排列，并用服务链表形式存储，并通过设定推荐度阈值进行筛选。

一种基于动态qos和主客观权重的web服务选取装置，包含：qos模型建立模块、相似度获取模块、综合权重计算模块、服务排序模块及服务选取模块，

qos模型建立模块，用于根据用户qos需求的模糊性和候选服务qos值的波动范围建立区间qos模型；

相似度获取模块，用于根据区间qos模型采用区间相似度公式计算每个候选服务的各个qos属性的相似度；

综合权重计算模块，用于利用逼近理想点的多属性决策方法通过建立多目标规划模型求解基本服务qos指标客观权重；并结合用户主观偏好采用基于偏移量相似度度量的方法获取基本服务的重要性权重；根据qos指标客观权重和重要性权重，计算qos指标综合权重；

服务排序模块，用于根据综合权重计算模块得到的qos指标综合权重及相似度获取模块得到的相似度，获取每个候选服务的推荐度，并通过推荐度对所有候选服务进行排序；

服务选取模块，根据服务排序模块的排序结果选取符合用户qos需求的服务。

本发明的有益效果：

本发明针对现有基于qos的服务选取方法中存在的问题，通过设计区间qos模型来表示候选服务qos值的波动范围和用户qos需求的模糊性，通过区间来表示动态网络环境下服务qos值的波动范围以及用户对其qos需求表达的模糊性；利用区间相似度计算方法，衡量候选服务提供的qos属性与用户请求的接近程度，基于区间相似度，利用逼近理想点的多属性决策方法(topsis)，通过建立多目标规划模型来求解基本服务的qos指标客观权重，计算复杂度小，可行性高。并通过用户偏好向量来表示用户对于qos指标的偏好，不需要用户给定精确的权重值，减轻了用户的负担。并结合客观偏好向量算出qos指标综合权重，避免了仅仅利用主观赋权模式或客观赋权模式的片面性，使得权重的确定更加合理。通过推荐度作为衡量候选服务符合用户需求的程度，综合考虑了客观qos数据和用户主观偏好信息，提高了服务选取的准确性。

附图说明：

图1为本发明的方法流程示意图；

图2为本发明实施例中服务推荐链表示意图；

图3为本发明的装置示意图。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

本发明中：服务质量(qualityofservice，qos)：代表web服务的非功能属性，包括响应时间、信誉度、可用性、可靠性等，是评价服务好坏的另一重要标准。响应时间：是指从用户发出服务请求到获取到服务所花费的时间，其受到网络运行状况的影响，因此具有动态变化性。信誉度：指服务的可信程度。服务的信誉度主要是由用户使用后的评价所决定的。由于服务环境的差异性和动态性，不同用户使用同一服务可能会产生不同的评价。可用性：web服务被正常调用的概率。服务的可用性也会随着网络环境的好坏而动态变化。可靠性：web服务能够正确响应用户请求的概率。除了服务本身的服务质量以外，网络环境也会影响到服务的可靠性。主观赋权模式：是指服务的qos权重完全由用户主观确定。客观赋权模式：指服务的qos权重由客观数据所确定。用户偏好向量：是指按照用户偏好程度对qos指标由大到小进行排序得到的向量，代表用户对于不同qos指标的偏好。推荐度：综合考虑客观数据和用户主观偏好后，得到的候选服务的综合评价值。

实施例，参见图1所示，一种基于动态qos和主客观权重的web服务选取方法，包含如下内容：

101、根据用户qos需求的模糊性和候选服务qos值的波动范围，建立区间qos模型；

102、计算每个基本服务下候选服务的相似度；

103、结合用户主观偏好计算qos指标综合权重；

104、根据qos指标综合权重及相似度，获取每个候选服务的推荐度，通过推荐度对所有候选服务进行排序；

105、根据排序结果选取符合用户qos需求的服务。

首先对动态环境下web服务的qos不确定性进行分析，通过区间qos模型来表示web服务qos属性值的动态变化。由于用户思维模式的模糊性，用户更倾向于使用一个大致范围而不是精确值来表达其对服务的需求，因此本实施例也用区间qos模型来表示用户的qos需求。通过相似度的概念衡量候选服务qos属性区间与用户需求值区间的接近程度。相似度越大，表示该候选服务在这一qos属性上越符合用户提出的需求，被选中的概率越大。当得到每个候选服务的各个qos属性的相似度以后，结合对应的权重，便可以得到每个候选服务的推荐值，从而对候选服务进行排序和选择，在服务选取时考虑用户主观偏好和客观数据的实际情况；解决传统基于qos的服务选取方法存在的缺陷，包括建立区间qos模型来表示qos属性值的动态变化，克服qos不确定性的影响；利用逼近理想点的多属性决策方法求解出qos指标客观权重，并结合用户主观偏好确定综合权重，使得qos权重确定更加合理。

所述方法还可以包含下述特点：

进一步地，根据qos属性对web服务质量的影响，将web服务的qos属性定义为四维向量qos＝(t,e,a,r)，并采用区间来表示qos值的波动范围，其中，t为响应时间；e为服务信誉度；a为服务可用性；r为服务可靠性。

web服务的qos属性有多个方面，如响应时间、服务费用、吞吐量、可用性、安全性等，它们分别从不同的角度对web服务的质量进行评估。本发明将web服务的qos属性定义为一个四维向量qos＝(t,e,a,r)，并采用区间来表示其数值的波动范围。响应时间t：用户发出服务请求到获取到服务所花费的时间，响应时间受到网络运行状况的影响，具有动态变化性；将其描述为区间为其中μt为均值，为方差。信誉度e：服务的可信程度，服务的信誉度主要是由用户使用后的评价所决定的；由于服务环境的差异性和动态性，不同用户使用同一服务可能会产生不同的评价；其区间形式为可用性a:web服务被正常调用的概率；服务的可用性也会随着网络环境的好坏而动态变化；其区间形式为可靠性r：web服务能够正确响应用户请求的概率；除了服务本身的服务质量以外，网络环境也会影响到服务的可靠性，例如网络阻塞导致服务信息在传输过程中丢失或者失效；其区间形式为

qos区间中的μm、m＝{t,e,a,r}的计算过程如下：

区间数的相关定义如下：

定义1：记q＝[x^-,x⁺]＝[x|x^-≤x≤x⁺]，其中x^-,x⁺∈r，r为实数集，称q为一个区间数，若x^-＝x⁺，则q退化为一个实数。在本文中，区间数均指正区间数，即0≤x^-≤x⁺。

定义2：若有两个区间数qx、qy，其中qx＝[x^-,x⁺]，qy＝[y^-,y⁺]，记lx＝x⁺-x^-,ly＝y⁺-y^-，称：

为qx≥qy的相似度。

根据定义可以证明，p(qx≥qy)有如下性质：

(1)0≤p(qx≥qy)≤1，当且仅当y⁺≤x^-时p(qx≥qy)＝1，当且仅当x⁺≤y^-时p(qx≥qy)＝0。

(2)互补性：p(qx≥qy)+p(qy≥qx)＝1。

(3)当且仅当x⁺+x^-≥y⁺+y^-时，有特别地，当且仅当x⁺+x^-＝y⁺+y^-时，有

(4)传递性：如果且则有

令用户对某qos属性提出的需求为区间数某候选服务的该qos属性区间数为p表示相似度。对于效益型qos指标来说，其区间数值越大越好；对于成本型qos指标来说，其区间数值越小越好。则

基于以上性质可知，利用相似度来衡量候选服务提供的qos属性与用户请求的接近程度。相似度越大，表示该候选服务在这一qos属性上越符合用户提出的需求，被选中的概率越大。

上述的，计算每个基本服务下的候选服务的相似度，包含如下内容：假设组合服务wsc由m个基本服务wsi构成，记为wsc＝{ws1,ws2,…wsm}，每个基本服务wsi有n个候选服务，记为wsi＝{s1,s2,…sn}，k个qos指标记为集合qcs；利用区间相似度公式，得到每个候选服务的各个qos属性的相似度；将每个基本服务下的n个候选服务列为一个n×k的相似度矩阵vi，得到m个矩阵，

其中，pij表示该基本服务的第i个候选服务的qos指标j的相似度。

上述的，利用逼近理想点的多属性决策方法，通过建立多目标规划模型，求解基本服务qos指标客观权重。

优选的，求解基本服务qos指标客观权重，包含如下内容：基本服务的qos指标权重向量为w＝<w1,w2,...wk>，pij表示该基本服务的第i个候选服务的qos指标j的相似度；令正理想点为1，则候选服务i与正理想点之间的加权距离为：候选服务越接近正理想点越优，即越小，候选服务越优，建立多目标决策模型：求解一个权重向量w，使得由于且每个候选服务之间没有优劣之分，故将多目标优化问题转化为单目标优化，即：通过求解计算出基本服务l关于qos指标的客观权重向量wl。

上述的，结合用户主观偏好计算qos指标综合权重，包含如下内容：结合用户主观偏好，采用基于偏移量相似度度量的方法获取基本服务的重要性权重；根据qos指标客观权重及重要性权重，计算qos指标综合权重。

设用户的偏好向量为pref，该向量中的组成元素为web服务的qos指标，用户对qos指标的偏好程度按照向量中元素排列顺序由前向后递减。例如pref＝<t,e,a,r>表示用户的qos指标偏好优先顺序依次为响应时间、信誉度、可用性、可靠性。

客观偏好向量：指基本服务的qos指标偏好。已知基本服务l的qos指标客观权重向量wl＝<wl1,wl2,...wlk>，则其对应的客观偏好向量为其中各qos指标的权重值满足即按照计算出来的权重从大到小将qos指标进行重新排序得出。

已知组合服务中有m个基本服务，则根据上节可以分别计算得到m个基本服务的qos客观权重向量wl，1≤l≤m，以及对应的客观偏好向量prefl，1≤l≤m。用户的主观偏好向量为pref。由经验可知，如果某一基本服务的客观偏好向量与用户的主观偏好向量接近甚至相等，则说明该基本服务更加符合用户的心理预期，其在综合qos权重的确定上应该占有更大的比例。本发明把这种比例称为基本服务的重要性权重。则m个基本服务的重要性权重可组成一个向量，记为向量u＝<u1,u2,…um>。通过采用一种基于偏移量的相似程度度量方法，用客观偏好向量中qos指标元素相对于主观偏好向量中相应元素的偏移程度来刻画相似性。由于偏好向量具有有序性，不同位置的偏移在相似性度量中所占比重递减。如假设用户主观偏好向量为pref＝<响应时间t,信誉度e,可用性a,可靠性r>，客观偏好向量为

prefl＝<可用性a,响应时间t,可靠性r,信誉度e>，可见相对于客观偏好向量，响应时间t向后偏移了1位，信誉度e向后偏移了2位，而由于用户对于响应时间t的重视程度大于信誉度e，因此在计算相似性度量时响应时间t的偏移程度所占比重要大于信誉度e。

优选的，计算qos指标综合权重，包含如下内容：qos指标客观权重wl＝<wl1,wl2,...wlk>，1≤l≤m，将其列为客观权重矩阵w，即：

，根据该系列基本服务的重要性权重向量u＝<u1,u2,…um>，通过公式计算得到考虑用户偏好的综合qos指标权重ω＝<ω1,ω2,…ωk>。

更进一步，通过公式计算得到考虑用户偏好的综合qos指标权重ω＝<ω1,ω2,…ωk>，计算公式为：

上述的，通过推荐度对所有候选服务进行排序，具体包含如下内容：每个基本服务的候选服务的推荐度按照由大到小的顺序进行排列，并用服务链表形式存储，并通过设定推荐度阈值进行筛选。

已计算得到每个基本服务的相似度矩阵vi，1≤i≤m，将其乘以综合qos指标权重，便得到每一个基本服务所对应的推荐度矩阵xi，即：

对于组合服务wsc＝{ws1,ws2,…wsm}来说，其每个基本服务wsi(1≤i≤m)有n个候选服务si(1≤i≤n)，每个候选服务的推荐度为xi，将其按照由大到小的顺序进行排列，并用链表形式进行存储。如图2所示，利用服务推荐链表进行服务选取时，可以设定一个推荐度阈值，根据这个阈值可以剔除掉推荐度低的候选服务，从而缩小候选服务空间，进一步提高服务选取的准确性。

本发明实施例还提供一种基于动态qos和主客观权重的web服务选取装置，如图3所示，包含：qos模型建立模块201、相似度获取模块202、综合权重计算模块203、服务排序模块204及服务选取模块205，

qos模型建立模块201，用于根据用户qos需求的模糊性和候选服务qos值的波动范围建立区间qos模型；

相似度获取模块202，用于根据区间qos模型采用区间相似度公式计算每个候选服务的各个qos属性的相似度；

综合权重计算模块203，用于利用逼近理想点的多属性决策方法通过建立多目标规划模型求解基本服务qos指标客观权重；并结合用户主观偏好采用基于偏移量相似度度量的方法获取基本服务的重要性权重；根据qos指标客观权重和重要性权重，计算qos指标综合权重；

服务排序模块204，用于根据综合权重计算模块得到的qos指标综合权重及相似度获取模块得到的相似度，获取每个候选服务的推荐度，并通过推荐度对所有候选服务进行排序；

服务选取模块205，根据服务排序模块的排序结果选取符合用户qos需求的服务。

通过区间qos模型来表示候选服务qos值的波动范围和用户的qos需求，克服了动态网络环境中qos的不确定性影响，以及用户需求表达的模糊性；利用逼近理想点的多属性决策方法求解出qos指标客观权重，时间复杂度小，计算效率高；定义用户偏好向量来表示用户的主观偏好，只需用户给出其qos指标的偏好排序即可，减轻了用户的负担，且更适用于实际情况；综合利用qos客观数据和用户主观偏好信息，定义推荐度来衡量候选服务的优劣程度，提高了服务选取的准确性。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如：只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现，相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。