基于QoS綜合評(píng)價(jià)的服務(wù)選擇方法

何干志，劉茜萍

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210003)

基于QoS綜合評(píng)價(jià)的服務(wù)選擇方法

何干志，劉茜萍

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210003)

從海量服務(wù)中準(zhǔn)確選擇出符合用戶真實(shí)需求的服務(wù)變得日益重要，而服務(wù)質(zhì)量的評(píng)定在選擇服務(wù)的過(guò)程中至關(guān)重要?；赒oS的已有服務(wù)選擇方法，通常假定服務(wù)提供者和使用者給出的QoS數(shù)據(jù)都是真實(shí)可信的，但這一假設(shè)實(shí)際上很難得到保證。為此，提出了基于QoS綜合評(píng)價(jià)的服務(wù)選擇方法。該方法針對(duì)來(lái)自服務(wù)提供者的質(zhì)量屬性，基于歷史數(shù)據(jù)的統(tǒng)計(jì)對(duì)當(dāng)前QoS數(shù)據(jù)進(jìn)行修正；而針對(duì)來(lái)自服務(wù)使用者的質(zhì)量屬性，基于具有時(shí)間系數(shù)的歷史評(píng)價(jià)計(jì)算推薦用戶和目標(biāo)用戶之間的相似程度，以權(quán)衡其歷史評(píng)價(jià)的可靠程度，進(jìn)而得出針對(duì)該目標(biāo)用戶的最終QoS參考評(píng)價(jià)。同時(shí)，采用熵值法計(jì)算用戶的主客觀合成權(quán)重，并基于提供者修正QoS發(fā)布信息和用戶可靠的QoS參考評(píng)價(jià)信息完成服務(wù)選擇。實(shí)例驗(yàn)證結(jié)果表明，所提出的方法有效可行。

服務(wù)選擇；用戶相似度；熵值法；QoS綜合評(píng)價(jià)

1 概 述

網(wǎng)絡(luò)環(huán)境中服務(wù)技術(shù)的出現(xiàn)為組織間建立一種靈活多樣的協(xié)作關(guān)系創(chuàng)造了前所未有的機(jī)會(huì)[1]。目前，隨著服務(wù)的發(fā)展和廣泛應(yīng)用，服務(wù)的大量出現(xiàn)，提供相同功能的服務(wù)越來(lái)越多，如何準(zhǔn)確從龐大的服務(wù)集中選擇最符合要求的服務(wù)是服務(wù)技術(shù)面臨的巨大挑戰(zhàn)。因此，基于服務(wù)質(zhì)量對(duì)服務(wù)進(jìn)行選擇已成為熱點(diǎn)研究問(wèn)題之一[2-3]。

目前提出的不少基于QoS的服務(wù)選擇方法大多假定服務(wù)提供者描述的QoS數(shù)據(jù)和用戶反饋的QoS評(píng)價(jià)都是真實(shí)可靠的，因而在對(duì)服務(wù)進(jìn)行排序和選擇時(shí)，常常直接使用服務(wù)提供者發(fā)布的QoS數(shù)據(jù)，同時(shí)采用平均值的方法處理服務(wù)使用者反饋的QoS數(shù)據(jù)[4-5]。然而在實(shí)際應(yīng)用中，對(duì)于QoS數(shù)據(jù)可靠性的假設(shè)往往很難保證：一方面，服務(wù)提供者可能出于利益考慮，發(fā)布高于服務(wù)實(shí)際水平的QoS數(shù)據(jù)以吸引更多的用戶[6-7]；另一方面，用戶反饋的QoS評(píng)價(jià)，常常受到自身因素的影響，甚至是一些惡意的虛假數(shù)據(jù)，而平均值的方法缺少能夠度量這些質(zhì)量屬性數(shù)據(jù)有效性的標(biāo)準(zhǔn)。這些不可靠的QoS數(shù)據(jù)將直接影響QoS計(jì)算的準(zhǔn)確性和可靠性，以及最終的服務(wù)選擇結(jié)果[8-10]。

隨著數(shù)據(jù)可靠性問(wèn)題的日益突出，一些學(xué)者開(kāi)始漸漸關(guān)注這類問(wèn)題的研究。文獻(xiàn)[11]根據(jù)用戶反饋的QoS數(shù)據(jù)，從而得到可靠的QoS評(píng)價(jià)信息，當(dāng)服務(wù)提供者描述不符合事實(shí)的QoS數(shù)據(jù)，該提供者這種不誠(chéng)實(shí)的行為將受到處罰，但是該方法卻沒(méi)有提出服務(wù)使用者QoS可靠性問(wèn)題的計(jì)算方法，忽略了其在服務(wù)選擇過(guò)程中的作用；文獻(xiàn)[12]同時(shí)考慮了來(lái)自服務(wù)使用者和服務(wù)提供者兩方面的QoS屬性，同時(shí)通過(guò)不同的計(jì)算方法來(lái)修正QoS屬性值，從而得到可靠的QoS質(zhì)量屬性值參考信息，但是該方法卻忽略了QoS質(zhì)量屬性值的動(dòng)態(tài)變化，卻將其視為了常量；文獻(xiàn)[13]定性分析了直接經(jīng)驗(yàn)和間接經(jīng)驗(yàn)在服務(wù)可信性判斷中的作用，考慮了服務(wù)的時(shí)效性，并提出了QoS可靠性的評(píng)估函數(shù)，但片面強(qiáng)調(diào)了直接經(jīng)驗(yàn)的主導(dǎo)作用，忽略了當(dāng)交往次數(shù)很少時(shí)間接經(jīng)驗(yàn)的重要性；文獻(xiàn)[14]提出了一種基于歷史經(jīng)驗(yàn)和可信概率的貝葉斯模型，給出了獎(jiǎng)勵(lì)函數(shù)，但偏重于對(duì)用戶的未來(lái)行為進(jìn)行約束。

然而，目前基于可靠QoS的服務(wù)選擇研究大多僅根據(jù)服務(wù)提供者描述或用戶反饋信息開(kāi)展，難以為目標(biāo)用戶提供全面可靠的QoS選擇依據(jù)。為此，提出了一種基于QoS綜合評(píng)價(jià)的服務(wù)選擇方法。對(duì)于來(lái)自服務(wù)提供者描述的QoS，基于歷史數(shù)據(jù)的統(tǒng)計(jì)對(duì)服務(wù)提供者當(dāng)前描述的QoS數(shù)據(jù)加以修正，對(duì)于來(lái)自用戶反饋的QoS評(píng)價(jià)，基于用戶相似度計(jì)算得到各候選服務(wù)的可靠綜合QoS評(píng)價(jià)。此外，還采用了熵值法以計(jì)算得到用戶的主客觀合成權(quán)重?；谔峁┱叩男拚齉oS發(fā)布信息和用戶的可靠綜合QoS評(píng)價(jià)信息完成符合用戶權(quán)重的服務(wù)選擇。

2 基于歷史數(shù)據(jù)的服務(wù)提供者QoS信息修正

對(duì)于來(lái)自服務(wù)提供者描述的質(zhì)量屬性數(shù)據(jù)，如服務(wù)的執(zhí)行時(shí)間、價(jià)格等，這類屬性通常在服務(wù)注冊(cè)時(shí)會(huì)隨著功能屬性發(fā)布到注冊(cè)中心，但一些服務(wù)提供者為了吸引服務(wù)使用者會(huì)發(fā)布高于實(shí)際性能的數(shù)值，所以，在進(jìn)行服務(wù)選擇時(shí)如果直接使用服務(wù)提供者發(fā)布的數(shù)據(jù)是不合適的。對(duì)于這方面數(shù)據(jù)的修正，主要通過(guò)在客戶端中加入采集機(jī)制的方式收集服務(wù)提供者描述的歷史數(shù)據(jù)。該機(jī)制基于歷史數(shù)據(jù)的統(tǒng)計(jì)定期對(duì)當(dāng)前描述的QoS數(shù)據(jù)進(jìn)行修正，此類質(zhì)量屬性的修正是由提供者當(dāng)前描述的數(shù)據(jù)和統(tǒng)計(jì)的歷史數(shù)據(jù)加權(quán)決定，并引入時(shí)間因子，從而保證QoS數(shù)據(jù)的可靠性。下面給出該過(guò)程的若干相關(guān)定義。

定義1(S,R,PT)：S表示所有用戶使用過(guò)的服務(wù)集合，有S={s1,s2,…,sm}；R表示服務(wù)描述的矩陣，有R={Ri,j|Ri,j表示服務(wù)si第j次發(fā)布的QoS數(shù)據(jù)，Ri,j=，其中i=1,2,…,m，k=1,2,…,n1，j=0,1,…,v，ri,j,k表示服務(wù)si第j次發(fā)布的QoS數(shù)據(jù)中屬性k的描述}；PT表示服務(wù)發(fā)布QoS數(shù)據(jù)時(shí)間的矩陣，有PT={pti,j|pti,j表示服務(wù)si第j次發(fā)布QoS的數(shù)據(jù)時(shí)間(i=1,2,…,m，j=0,1,…,v)}。

針對(duì)服務(wù)提供者當(dāng)前發(fā)布的數(shù)據(jù)，使用式(1)對(duì)其進(jìn)行修正。

q=wRi,v+(1-w)f(Ri,0,Ri,1,…,Ri,v-1)

(1)

其中，Ri,0,Ri,1,…,Ri,v是從服務(wù)提供者發(fā)布了多次數(shù)據(jù)后采集到的v+1次相關(guān)質(zhì)量屬性向量值；w(0

另外需要說(shuō)明地是，當(dāng)服務(wù)無(wú)法收集歷史服務(wù)質(zhì)量屬性數(shù)據(jù)時(shí)，則只有Ri,v這一當(dāng)前發(fā)布信息，此時(shí)可設(shè)w=1，即服務(wù)提供者當(dāng)前發(fā)布的數(shù)據(jù)為最終該質(zhì)量屬性值，具體計(jì)算方法為：

q=Ri,v

(2)

假設(shè)某服務(wù)si發(fā)布了多次數(shù)據(jù)后，從中采集v+1次相關(guān)質(zhì)量屬性向量值，分別為Ri,0,Ri,1,…,Ri,j,…,Ri,v(按時(shí)間先后)，其對(duì)應(yīng)的時(shí)間分別是pti,0,pti,1,…,pti,j,…,pti,v，其中pti,0為服務(wù)si最初發(fā)布該服務(wù)的時(shí)間，故pti,j-pti,0為第j次服務(wù)與最初發(fā)布服務(wù)時(shí)間間隔。一般而言，時(shí)間越近值越可靠，所以發(fā)布服務(wù)質(zhì)量屬性的時(shí)間距離最初發(fā)布服務(wù)的時(shí)間越長(zhǎng)，所占的權(quán)重就越大。具體計(jì)算方法為：

(3)

3 可靠的用戶評(píng)價(jià)獲取

對(duì)于來(lái)自服務(wù)使用者反饋的服務(wù)質(zhì)量屬性，如滿意度，由于受到服務(wù)使用者所處環(huán)境、主觀想法等各種因素的影響，對(duì)于同一種服務(wù)而言，不同的使用者在使用過(guò)該服務(wù)后都可能會(huì)有截然不同的評(píng)價(jià)結(jié)果，而且不排除惡意詆毀的情形，將所有評(píng)價(jià)平等對(duì)待是不合適的。因此在QoS計(jì)算中，對(duì)所有的用戶評(píng)價(jià)取平均是不合適的。為此，采用了“用戶相似度”作為衡量不同用戶評(píng)價(jià)所占的權(quán)重大小，以它們的加權(quán)平均求得最終評(píng)價(jià)。所謂“用戶相似度”是指兩個(gè)用戶對(duì)于使用過(guò)相同服務(wù)所反饋評(píng)價(jià)的相似程度，即相似程度越大，其用戶評(píng)價(jià)在計(jì)算中所占的權(quán)重就越大。下面給出該過(guò)程的若干相關(guān)定義。

定義2(U,EV)：U表示一組使用過(guò)相關(guān)服務(wù)的用戶構(gòu)成的集合，有U={u1,u2,…,ul}；EV表示用戶對(duì)服務(wù)的評(píng)價(jià)矩陣，有EV={EVi|EVi是用戶評(píng)價(jià)集合，為一個(gè)四元組，有EVi=(Ei,Ti,Ci,STi)}。其中，Ei是用戶ui所訪問(wèn)服務(wù)的有限集合，有Ei={sj|sj為ui用過(guò)的服務(wù)，sj∈S}；Ti表示用戶ui使用的服務(wù)次數(shù)矩陣，有Ti={ti,j|ti,j表示用戶ui使用服務(wù)sj的次數(shù)，i=1,2,…,l,j=1,2,…,m}；Ci是用戶ui對(duì)所訪問(wèn)服務(wù)評(píng)價(jià)的有限集合，有Ci={Ci,j,p|Ci,j,p為用戶ui對(duì)服務(wù)sj第p次的評(píng)價(jià)向量，而Ci,j,p=，其中i=1,2,…,l,j=1,2,…,m，p=1,2,…,ti,j，k=1,2,…,n2，ci,j,p,k表示用戶ui對(duì)服務(wù)sj中屬性k第p次的評(píng)價(jià)值}；STi表示用戶ui使用服務(wù)的時(shí)長(zhǎng)矩陣，有STi={sti,j,p|sti,j,p表示服務(wù)si第p次使用服務(wù)sj時(shí)長(zhǎng)，其中i=1,2,…,l,j=1,2,…,m，p=1,2,…,ti,j}。

定義3(推薦用戶)：用戶ui'和ui的評(píng)價(jià)分別是Vj=(Ei',Ti',Ci',STi')和Vi=(Ei,Ti,Ci,STi)，也就是如果Ei∩Ej≠?，且存在Sj∈Ei'，Sj?Ei，同時(shí)用戶ui希望獲取服務(wù)Sj的評(píng)價(jià)信息，則稱用戶ui'為ui關(guān)于服務(wù)Sj的推薦用戶。

盡管目前有很多對(duì)用戶相似度計(jì)算的相關(guān)研究，但是均未考慮到多次使用服務(wù)和使用服務(wù)的時(shí)間長(zhǎng)短對(duì)評(píng)價(jià)的影響。比如用戶住酒店的次數(shù)越多或者住的時(shí)間越長(zhǎng)，則對(duì)酒店了解程度就越高，所以該評(píng)價(jià)的可靠性就越高。因此，在計(jì)算用戶相似度時(shí)，引入了用戶領(lǐng)域相關(guān)度和用戶時(shí)間系數(shù)進(jìn)行修正。所謂的用戶領(lǐng)域相關(guān)度是指推薦用戶對(duì)服務(wù)領(lǐng)域的了解程度高低，一般情況下，推薦用戶使用某服務(wù)的次數(shù)占該服務(wù)總使用次數(shù)的比重越大，說(shuō)明其對(duì)服務(wù)了解程度越高，那么推薦用戶評(píng)價(jià)的權(quán)重系數(shù)越高。為此，使用式(4)對(duì)其進(jìn)行計(jì)算：

(4)

其中，α為推薦用戶ui在服務(wù)si的領(lǐng)域相關(guān)度；l為用戶總數(shù)。

所謂的用戶時(shí)間系數(shù)是指用戶對(duì)服務(wù)性能的熟知程度。一般情況下，用戶使用該服務(wù)的平均時(shí)長(zhǎng)占所有用戶使用該服務(wù)平均時(shí)長(zhǎng)之和的比重越大，說(shuō)明其對(duì)服務(wù)了解程度越高，那么推薦用戶評(píng)價(jià)的權(quán)重系數(shù)越高；同理相反。為此，使用式(5)對(duì)其進(jìn)行計(jì)算：

(5)

目前為止，計(jì)算服務(wù)相似度的公式有很多，例如皮爾遜相關(guān)系數(shù)、余弦相似度等。為了使服務(wù)的推薦方法更加準(zhǔn)確，從而需要改進(jìn)目前已有的相似度計(jì)算方法。因此引入了服務(wù)的個(gè)性化特征這一概念。例如，假設(shè)用戶a和用戶b以前都使用過(guò)服務(wù)1和服務(wù)2，給定的服務(wù)1和服務(wù)2分別為用戶不敏感服務(wù)和用戶敏感服務(wù)，不同用戶在使用過(guò)服務(wù)1后，給出的QoS評(píng)價(jià)值大體相同，因此所對(duì)應(yīng)的方差比較小，通過(guò)目前已有的計(jì)算公式計(jì)算出用戶a和用戶b的相似程度偏高，然而這并不能代表真實(shí)的相似程度，因?yàn)榉?wù)1對(duì)于所有的用戶而言是沒(méi)有差別的，這樣的服務(wù)1用于用戶a和用戶b的相似度計(jì)算時(shí)應(yīng)該貢獻(xiàn)程度越低。相反，不同用戶在使用過(guò)服務(wù)2后，給出的QoS評(píng)價(jià)值所對(duì)應(yīng)方差比較大，表明服務(wù)2對(duì)不同的用戶來(lái)說(shuō)所產(chǎn)生的評(píng)價(jià)差別很大，此時(shí)，如果兩個(gè)用戶在使用過(guò)服務(wù)2后給出的QoS評(píng)價(jià)值相似，這兩個(gè)用戶才能算是真正意義上的相似。這樣的服務(wù)2用于用戶a和用戶b的相似度計(jì)算應(yīng)該貢獻(xiàn)程度越高。

總而言之，在計(jì)算兩個(gè)用戶的相似度時(shí)，不能忽略這兩個(gè)用戶共同調(diào)用的服務(wù)個(gè)性化特征。為此，使用式(6)進(jìn)行計(jì)算：

(6)

因此，使用結(jié)合服務(wù)個(gè)性化特征的距離向量法來(lái)計(jì)算目標(biāo)用戶服務(wù)評(píng)價(jià)和參考用戶服務(wù)評(píng)價(jià)的偏離大小，服務(wù)的QoS屬性可以使用向量形式表達(dá)，將用戶共同使用過(guò)的服務(wù)集合視為一個(gè)多維空間，用戶對(duì)這些服務(wù)反饋的質(zhì)量屬性數(shù)據(jù)視為該空間的一個(gè)點(diǎn)。則兩用戶之間的反饋相似度可以通過(guò)它們之間的幾何距離來(lái)衡量，距離越小，說(shuō)明目標(biāo)用戶和參考用戶反饋的服務(wù)評(píng)價(jià)相似度越大，則該用戶的評(píng)價(jià)信息所占的權(quán)重值越大。距離越大，說(shuō)明目標(biāo)用戶和參考用戶反饋的服務(wù)評(píng)價(jià)相似度越小，則該用戶的評(píng)價(jià)信息所占的權(quán)重值越小。

結(jié)合服務(wù)個(gè)性化特征的距離向量法為：

dist(ui,ui')j,k=

(7)

通過(guò)式(8)可以將用戶ui和ui'之間的距離進(jìn)行歸一化，將其限制到[0，1]這個(gè)區(qū)間內(nèi)，即可得到相似度?？梢圆捎貌煌臍w一化標(biāo)準(zhǔn)，這里采用的是分?jǐn)?shù)歸一化，具體的形式為：

(8)

其中，ri-i',j,k為用戶ui和ui'在服務(wù)sj屬性k上的評(píng)價(jià)相似度；dist(ui,ui')為ui，ui'在服務(wù)sj屬性k上的幾何距離。

如果兩個(gè)用戶之間共同評(píng)分項(xiàng)目少，比如只有一個(gè)共同評(píng)分，而且兩個(gè)用戶的評(píng)分相同，用距離向量法算出的值為0，但僅僅因?yàn)閮蓚€(gè)用戶對(duì)某個(gè)服務(wù)的看法相同，就認(rèn)為兩用戶的興趣高度一致，顯然不符合現(xiàn)實(shí)，所以需要在用戶推薦度上加上加權(quán)因子β。

則得到：

(9)

采用這種方法，兩個(gè)用戶之間共同評(píng)分項(xiàng)目少會(huì)降低用戶推薦度，而兩個(gè)用戶之間共同評(píng)分項(xiàng)目多會(huì)增大用戶推薦度。給定用戶ui'為ui關(guān)于服務(wù)sj的推薦用戶。則用戶ui'針對(duì)用戶ui關(guān)于服務(wù)sj在屬性k上的用戶推薦度為：

Ri-i',j,k=β×ri-i',j,k×(1+α+η)

(10)

為此，引入“用戶推薦度”作為不同反饋數(shù)據(jù)的權(quán)重，以它們的加權(quán)平均作為最終的質(zhì)量屬性值。則：

(11)

其中，ei,j,k為所有推薦用戶向ui推薦服務(wù)sj時(shí)第k個(gè)屬性的參考值。

4 基于綜合QoS評(píng)價(jià)的加權(quán)服務(wù)選擇

在應(yīng)用上述方法得出可靠的服務(wù)提供者QoS值和服務(wù)使用者評(píng)價(jià)的QoS值后，可基于綜合QoS評(píng)價(jià)進(jìn)行服務(wù)選擇。由于在進(jìn)行服務(wù)選擇時(shí)，需要綜合全面考慮服務(wù)的QoS屬性值。

通常采用加權(quán)平均的方法，權(quán)重的設(shè)置可以采用如下幾種方式：一是由用戶完全給出每個(gè)屬性的權(quán)重，即主觀權(quán)重；二是根據(jù)服務(wù)的屬性值，通過(guò)一定的算法求出權(quán)重，即客觀權(quán)重；三是既考慮服務(wù)的主觀權(quán)重又考慮服務(wù)的客觀權(quán)重，通過(guò)主觀權(quán)重和客觀權(quán)重再加權(quán)求得。

以上三種方式均有各自的優(yōu)點(diǎn)。對(duì)于第一種加權(quán)方式來(lái)說(shuō)，用戶可以根據(jù)自己真實(shí)的需求對(duì)不同QoS屬性做出正確判斷，從而對(duì)相應(yīng)的屬性賦予滿足真實(shí)需求的權(quán)重；對(duì)于第二種加權(quán)方式來(lái)說(shuō)，由于服務(wù)對(duì)于用戶而言有可能是一種全新的服務(wù)，在使用服務(wù)時(shí)對(duì)于不同QoS屬性并不知道如何關(guān)注。如果用戶在不了解服務(wù)的情況下隨意賦予權(quán)重值，由此選擇出的服務(wù)很可能并不是最優(yōu)的，針對(duì)此問(wèn)題，此時(shí)就可以采用客觀權(quán)重；對(duì)于第三種加權(quán)方式來(lái)說(shuō)，用戶對(duì)某些服務(wù)并不熟悉，雖然對(duì)某些QoS屬性有要求，但是并不能確定用自己的方式設(shè)置的權(quán)重選擇出來(lái)的服務(wù)是最優(yōu)的，所以需要參考下屬性的客觀權(quán)重，使主觀權(quán)重和客觀權(quán)重各占一定的比例，用戶自己完全可以根據(jù)個(gè)人需求設(shè)置該比例大小。如果希望用戶自己設(shè)置的權(quán)重大，即將主觀權(quán)重的比例調(diào)大一點(diǎn)，如果希望客觀權(quán)重大些，即將客觀權(quán)重的比例調(diào)大。綜合上述可知，采用第三種方式更具優(yōu)勢(shì)。

服務(wù)質(zhì)量矩陣可以表示為：

X=(xij)m×(n1+n2)

(12)

其中，m為可選服務(wù)的數(shù)量；n1+n2為服務(wù)的屬性個(gè)數(shù)。

對(duì)于客觀權(quán)重，即cw=(cw1,cw2,…,cwn1+n2)T，采用熵值法進(jìn)行計(jì)算。由熵值法可知，某個(gè)屬性信息的價(jià)值取決于1和該屬性熵的差，該差影響屬性權(quán)重大小，信息的價(jià)值越大，對(duì)評(píng)價(jià)結(jié)果的影響就越大，屬性權(quán)重值也得到相應(yīng)增大，因此，熵值法確定某個(gè)屬性的權(quán)重是利用該指標(biāo)屬性的價(jià)值系數(shù)來(lái)計(jì)算，該值越高對(duì)評(píng)價(jià)的影響就越大，則權(quán)重越大。熵的計(jì)算方法如下：

(13)

其中，τ為常數(shù)τ=1/lnm；ej為QoS矩陣Y的屬性j的熵值。

因此，計(jì)算屬性j客觀權(quán)重cw的方法為：

(14)

由于所采用的權(quán)重是主客觀合成的權(quán)重，假定用戶給出的主觀權(quán)重為zw=(zw1,zw2,…,zwn1+n2)T，通過(guò)以上方法求得客觀權(quán)重為cw=(cw1,cw2,…,cwn1+n2)T，則合成的權(quán)重，即sw=(sw1,sw2,…,swn1+n2)T，swj的計(jì)算方法為：

swj=a×zwj+(1-a)cwj

(15)

最終將矩陣X=(xij)m×(n1+n2)和合成權(quán)重sw=(sw1,sw2,…,swn1+n2)T相乘得到的矩陣表示為Z=(zij)m×1，通過(guò)式(16)求得：

zij=swj×xij

(16)

同時(shí)根據(jù)最終矩陣Z選擇最優(yōu)服務(wù)。

5 實(shí)例分析

下面將給出一個(gè)具體實(shí)例以演示上述方法的有效性。以旅游服務(wù)為例，生成10個(gè)用戶集合U={u1,u2,…,u10}和10個(gè)旅游商家集合S={s1,s2,…,s10}，并選取旅游商家的服務(wù)費(fèi)用、服務(wù)時(shí)間、服務(wù)滿意度、服務(wù)可靠性4個(gè)指標(biāo)作為服務(wù)的QoS屬性。其中旅游商家的服務(wù)費(fèi)用和服務(wù)時(shí)間這兩個(gè)屬性數(shù)據(jù)主要來(lái)源于服務(wù)提供者，服務(wù)滿意度和服務(wù)可靠性這兩個(gè)屬性數(shù)據(jù)主要來(lái)源于服務(wù)使用者。所采用的是10分制。

表1中Ri,11表示服務(wù)提供者當(dāng)前發(fā)布的QoS屬性數(shù)據(jù)，Ri,0,Ri,1,…,Ri,10表示利用采集機(jī)制收集的11次歷史數(shù)據(jù)(其中Ri,0是服務(wù)最初發(fā)布的數(shù)據(jù)，采集的數(shù)據(jù)時(shí)間間隔為1天)。

表2為用戶評(píng)價(jià)矩陣，由于用戶可以多次使用服務(wù)，所以每個(gè)單元格對(duì)應(yīng)每次使用服務(wù)的評(píng)價(jià)信息，在單元格中前兩個(gè)數(shù)字表示用戶的評(píng)價(jià)值而后一個(gè)數(shù)字表示服務(wù)的使用時(shí)間(由于用戶評(píng)價(jià)數(shù)據(jù)較多，所以只抽取了u1，u2，u10的數(shù)據(jù))。

5.1 獲取可靠的服務(wù)提供者發(fā)布的屬性值

Step1：基于采集到的Ri,0,Ri,1,…,Ri,10數(shù)據(jù)，通過(guò)式(3)計(jì)算綜合歷史的QoS值。以s2中服務(wù)費(fèi)用屬性

表1 10個(gè)服務(wù)對(duì)各屬性12次歷史描述信息表

表2 3個(gè)用戶對(duì)10個(gè)服務(wù)各屬性的歷史評(píng)價(jià)信息表

為例，有：

f(Ri,0,Ri,1,…,Ri,10)=

Step2：通過(guò)式(1)對(duì)服務(wù)s2發(fā)布的數(shù)據(jù)進(jìn)行修正，設(shè)w=0.5。計(jì)算結(jié)果為<3.836 36，5.218 18>。同理求得s6,s9分別為<5.481 81，5.790 91>，<4.681 81，6.518 18>。

5.2 獲取可靠的服務(wù)使用者反饋值

表3 10個(gè)用戶對(duì)10個(gè)服務(wù)各屬性的平均評(píng)價(jià)信息表

表4 用戶使用服務(wù)次數(shù)和服務(wù)使用平均時(shí)長(zhǎng)信息表

Step5：假設(shè)β=1；以服務(wù)s2為例，通過(guò)式(10)求得u2，u4，u7，u9的關(guān)于第一個(gè)屬性推薦度分別為0.571 81，0.254 37，0.660 93，1.127 59；關(guān)于第二個(gè)屬性推薦度為0.263 92，0.736 61，0.521 59，0.594 75。同理求得服務(wù)s6中u3，u6，u8，u9關(guān)于第一個(gè)屬性推薦度分別為0.324 43，0.335 90，0.173 03，0.561 48；關(guān)于第二個(gè)屬性推薦度分別為0.394 89，0.361 37，0.358 93，0.592 31。服務(wù)s9中u3，u6，u9，u10關(guān)于第一個(gè)屬性推薦度分別為0.283 87，0.289 81，0.630 12，0.349 07；關(guān)于第二個(gè)屬性推薦度分別為0.345 53，0.311 78，0.664 72，0.296 32。

5.3 基于QoS綜合評(píng)價(jià)的服務(wù)選擇

Step1：通過(guò)前兩個(gè)過(guò)程得出的初始矩陣為：

Step2：通過(guò)式(13)，可以求得e1,e2,e3,e4分別為0.990 47，0.996 22，0.991 78，0.991 01。

Step3：通過(guò)式(14)，有：

cw1=(1-0.990 47)/((1-0.990 47)+(1-0.996 22)+(1-0.991 78)+(1-0.981 01))≈0.312 25，同理cw2，cw3，cw4分別為0.123 85，0.269 33，0.294 56。即cw=(0.312 25,0.123 85,0.269 33,0.294 56)T。

Step4：假設(shè)目標(biāo)用戶的主觀權(quán)重值為zw=(zw1,zw2,…,zw4)T=(0.3,0.2,0.4,0.1)T，設(shè)a=0.5，通過(guò)式(15)，有sw1=0.5×0.3+(1-0.5)×0.312 25=0.306 13，同理求得sw2=0.161 92，sw3=0.334 67，sw4=0.197 28；即sw=(0.306 13,0.161 92,0.334 67,0.197 28)T。

Step5：根據(jù)式(16)，有：

(0.306 13,0.161 92,0.334 67,0.197 28)T=

Step6：由于5.339 28>5.175 30>4.542 79，所以服務(wù)s9最適合目標(biāo)用戶u1。

6 結(jié)束語(yǔ)

為了向目標(biāo)用戶提供全面可靠的QoS選擇依據(jù)，提出了一種基于QoS綜合評(píng)價(jià)的服務(wù)選擇方法。對(duì)于來(lái)自服務(wù)提供者描述的QoS，基于歷史數(shù)據(jù)的統(tǒng)計(jì)對(duì)服務(wù)提供者描述的QoS數(shù)據(jù)加以修正；對(duì)于來(lái)自用戶反饋的QoS評(píng)價(jià)，通過(guò)計(jì)算用戶之間以往反饋的相似程度，同時(shí)引入用戶領(lǐng)域相關(guān)度，時(shí)間系數(shù)和服務(wù)個(gè)性化等概念對(duì)用戶相似程度進(jìn)行修正，得到最終推薦度，然后由用戶推薦度所占的比重作為權(quán)重計(jì)算出最終評(píng)價(jià)值；在計(jì)算出所有的結(jié)果后，針對(duì)目標(biāo)用戶對(duì)主觀給出的各QoS屬性權(quán)重值可能不太確定的現(xiàn)狀，采用熵值法計(jì)算客觀權(quán)重并結(jié)合用戶的主觀權(quán)重加權(quán)進(jìn)行整合，從而進(jìn)行服務(wù)選擇。通過(guò)實(shí)例驗(yàn)證了該方法的有效性，提高了服務(wù)選擇的準(zhǔn)確性。下一步工作中，將結(jié)合數(shù)理統(tǒng)計(jì)理論對(duì)相似度計(jì)算公式進(jìn)行深入研究。

[1] 王海艷,楊文彬,王隨昌,等.基于可信聯(lián)盟的服務(wù)推薦方法[J].計(jì)算機(jī)學(xué)報(bào),2014,37(2):301-311.

[2] 曹利培,李愛(ài)玲,劉 靜.基于QoS的兩階段Web服務(wù)選擇方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2009,30(3):747-751.

[3] Zheng Z,Ma H,Lyu M R,et al.Wsrec:a collaborative filtering based web service recommender system[C]//IEEE international conference on web services.[s.l.]:IEEE,2009:437-444.

[4] 邵凌霜,李 田,趙俊峰,等.一種可擴(kuò)展的Web Service QoS管理框架[J].計(jì)算機(jī)學(xué)報(bào),2008,31(8):1458-1470.

[5] 郭得科,任 彥,陳洪輝,等.一種基于QoS約束的Web服務(wù)選擇和排序模型[J].上海交通大學(xué)學(xué)報(bào),2007,41(6):870-875.

[6] 楊勝文,史美林.一種支持QoS約束的Web服務(wù)發(fā)現(xiàn)模型[J].計(jì)算機(jī)學(xué)報(bào),2005,28(4):589-594.

[7] 巫 茜,周 慶.基于QoS與可信度融合的Web服務(wù)選擇機(jī)制研究[J].計(jì)算機(jī)科學(xué),2012,39(7):108-111.

[8] Mehdi M,Bouguila N,Bentahar J.A QoS-based trust approach for service selection and composition via Bayesian networks[C]//Proceedings of ICWS’13.[s.l.]:[s.n.],2013:211-218.

[9] 馬 友,王尚廣,孫其博,等.一種綜合考慮主客觀權(quán)重的Web服務(wù)QoS度量算法[J].軟件學(xué)報(bào),2014,25(11):2473-2485.

[10] 宋海霞,嚴(yán) 馨,余正濤,等.基于自適應(yīng)聚類的虛假評(píng)論檢測(cè)[J].南京大學(xué)學(xué)報(bào)：自然科學(xué)版,2013,49(4):433-438.

[11] Bellare M,Namprempre C,Pointcheval D,et al.The power of RSA inversion oracles and the security of Chaum’s RSA-based blind signature scheme[C]//Lecture notes in computer science.Berlin:Springer,2002:319-338.

[12] Okamoto T.Efficient blind and partially blind signatures without random oracles[C]//Lecture notes in computer science.Berlin:Springer,2006:80-99.

[13] Camenisch J,Koprowski M,Warinschi B.Efficient blind signatures without random oracles[C]//Lecture notes in computer science.Berlin:Springer,2005:134-148.

[14] Boneh D, Boyen X. Efficient selective-ID secure identity based encryption without random oracles [C]//Lecture notes in computer science.Berlin:Springer,2004:223-238.

A Service Selection Method with QoS Synthetic Evaluation

HE Gan-zhi，LIU Xi-ping

(College of Computer Science & Technology,Nanjing University of Posts and Telecommunications,Nanjing 210003,China)

It is increasingly important for users to exactly select a service meeting their requirements from the mass services.Assessment on the quality of service is crucial in the process of service selection.Existed QoS-based service selection methods generally assume that QoS data from service providers and users are trustable.However,it is not realistic.Therefore,a service selection method based on comprehensive evaluation of QoS is proposed,by which the values of quality attributes provided have been adjusted based on historical statistical data and that from user reviews have been integrated into a comprehensive QoS evaluation for a target user based on the user similarity computed through reviews on time factors.Moreover,entropy method is adopted to calculate the user’s subjective and objective synthesis weights with further operation of service selection based on the adjusted publishing QoS from providers and the reliable reviewing QoS from users.The experimental results show that it is effective and feasible.

service selection;user similarity;entropy method;QoS synthetic evaluation

2016-09-30

2017-01-04 網(wǎng)絡(luò)出版時(shí)間：2017-07-05

國(guó)家自然科學(xué)基金資助項(xiàng)目(61402241)

何干志(1992-)，男，碩士研究生，研究方向?yàn)榉?wù)計(jì)算；劉茜萍，副教授，碩士生導(dǎo)師，研究方向?yàn)榉?wù)計(jì)算、工作流。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170705.1652.074.html

TP301

A

1673-629X(2017)08-0164-07

10.3969/j.issn.1673-629X.2017.08.035