專利名稱：一種基于不確定服務的推薦系統及方法
技術領域：
本發(fā)明涉及一種網絡服務的推薦系統及方法，尤其涉及基于不確定服務的推薦系 統及方法，屬于網絡服務技術領域。
背景技術：
SOA(Service-Oriented Architecture，面向服務的體系架構)作為一種新型的 分布式計算模型已經在電子商務，應用集成等領域扮演越來越重要的角色。工業(yè)界中ΒΕΑ、 IBM、Oracle、微軟等巨頭紛紛發(fā)布自己的SOA戰(zhàn)略，建議用戶在進行企業(yè)IT建設時考慮 S0A，學術界也成立多個服務計算技術委員會重點關注SOA研究。根據美國著名的IT市場 研究與顧問咨詢公司Gartner Group預測，SOA將成為占有絕對優(yōu)勢的軟件工程實踐方法， 它將結束傳統的整體軟件體系架構長達40年的統治地位。SOA的核心思想是強調以服務為基本單位，發(fā)現并組合符合用戶需求的一系列服 務。然而隨著SOA和Web (亦即網絡)服務的迅速發(fā)展，在網絡上可用的Web服務數量急劇 增加，因此基于web服務的推薦機制成為目前學術界和工業(yè)界共同關注的重大問題。當前 web服務的推薦機制主要考慮兩個方面，一個是服務功能，另一個是服務質量(QoS，Quality of Service，服務質量技術，用于解決網絡延遲和阻塞等問題的一種安全機制，如服務的響 應時間，帶寬占用，安全性等)。目前，關于基于服務功能的推薦已經有很多較成熟的研究成果，但基于服務質量 的推薦機制卻很少。然而隨著web服務數量的增加，web環(huán)境的日益復雜，服務質量的不確 定性成為一個日益嚴峻的問題。由于測量不精確，數據隨機性，環(huán)境復雜等因素引起的不確 定性問題導致web服務在不同時刻的服務質量一致，也導致了針對確定數據的推薦機制在 此種環(huán)境下失效。因此，開發(fā)出一種有效地針對不確定服務的推薦系統及方法，成為目前學術界和 工業(yè)界的迫切需求。

發(fā)明內容
本發(fā)明旨在提供一種基于不確定服務的推薦系統及其方法，采用的技術方案如 下該推薦系統主要包括服務注冊及管理模塊、用戶需求解析模塊以及服務推薦模 塊，所述服務注冊及管理模塊、用戶需求解析模塊之間通信連接，所述服務注冊及管理模塊 與服務推薦模塊之間通信連接；所述服務推薦模塊結合所述服務注冊及管理模塊中的現有 服務信息及所述用戶需求解析模塊提供的用戶需求，提取出所有滿足用戶需求的服務，針 對這些服務采用TPS方法進行處理，將位于TPS上的服務推薦給用戶。優(yōu)選地，所述服務注冊及管理模塊包括服務注冊器、服務管理模塊和服務管理庫； 負責錄入新增服務的數據及對數據的管理。優(yōu)選地，所述服務的數據包括服務名稱、功能描述、接口參數以及服務質量數據。
優(yōu)選地，所述數據的管理為利用語義的方法，通過構建一棵服務本體樹，對所有的 服務按照其功能描述進行分類，并打上相應的標簽；在對服務的功能描述上語義分析方面， 采用關鍵詞提取的方法，將功能描述中的關鍵字與服務本體樹上的類相匹配。優(yōu)選地，所述用戶需求解析模塊采用語義本體樹的方法，針對用戶需求中的關鍵 字，將其與本體樹上的類加以匹配，從而分析出用戶需求中的關鍵內容。本發(fā)明還公開了一種采用前述的推薦系統進行基于不確定服務的推薦方法，其包 括以下步驟1)服務提供商將自身的服務通過服務注冊及管理模塊中的服務注冊器注冊，并由 服務注冊器錄入該服務的具體信息；2)服務注冊器將服務交由服務管理模塊統一管理，服務管理模塊通過建立服務本 體樹，將服務的功能描述中的關鍵字與本體進行匹配，從而將服務管理庫中的服務分類；3)當有用戶提出服務請求時，由用戶需求解析模塊中的需求解析器對用戶請求進 行解析，根據用戶請求中的關鍵字，與本體樹進行匹配，從而提取出用戶請求的關鍵內容， 再將些內容傳送至服務管理庫；4)服務管理庫結合需求解析器傳遞的請求信息，將匹配請求信息的服務的服務質 量數據傳遞至服務推薦模塊；5)服務推薦模塊根據TPS方法進行處理，將位于TPS上的服務推薦給用戶。優(yōu)選地，所述具體信息包括服務名稱、功能描述、接口參數以及服務質量數據。優(yōu)選地，所述步驟5)包括以下子步驟A)服務推薦模塊接收服務管理庫提供的服務集合及預先設定的概率閥值；B)將服務集合根據其各屬性的值映射至多維數據空間；C)根據TPS計算公式計算各個服務不被其他服務支配的概率，若此概率高于或等 于原先設定的閥值，則此服務為TPS上的服務，若低于閥值，則此服務為被支配服務；D)當所有服務計算完畢后，服務推薦模塊將位于TPS上的服務推薦給用戶。優(yōu)選地，所述TPS計算公式是指計算得到服務sM不被其他服務支配的概率為，Pr(Sw)咭忠JWlil-!^piil)。優(yōu)選地，所述TPS計算公式是指計算得到服務sM不被其他服務支配的概率為，Pr [Sm<5J= ^J1IlimjeMN <ni}|t ( j) }，其中添加了服務的時效函數。與現有技術相比，本發(fā)明具有如下優(yōu)點■能夠針對不確定性服務，進行有效的服務推薦。■該方法中結合了服務的時效性，在服務的推薦過程中，更加注重服務近期的表 現，增加了服務推薦結果的有效性。


圖1 實施本發(fā)明的基于不確定性服務的推薦系統結構圖；圖2 本發(fā)明的服務推薦模塊內部流程圖。符號說明
1服務注冊及管理模塊2用戶需求解析模塊3服務推薦模塊
具體實施例方式發(fā)明原理Web服務是Internet上實現某種功能或執(zhí)行預先設定的流程的軟件對象集，它們 在Web上發(fā)布，能被用戶發(fā)現并調用。作為一種新興的Web應用模式，Web服務是Web上數 據和信息集成的有效機制，成為目前最被看好的一種基于Web的用戶需求解決方案。本發(fā) 明結合p-skyline和服務時效性，提出一種針對不確定服務的推薦機制一TPS (Time-sensi tiveprobability skyline)方法(時效概率skyline法)。Skyline方法是數據庫領域中 的一種查詢方法，它能夠利用預先定義的支配關系，將所有不被數據支配的數據提取出來。 我們將其遷移至Web服務領域中，通過預先設定服務質量的各個屬性中數值的優(yōu)劣關系， 利用skyline方法提取出不被其他服務支配的服務。在處理不確定數據時，我們利用概率 的方法，計算不確定服務A支配不確定服務B概率，進而計算服務A不被所有服務支配的概 率P1，通過預先設定的概率閥值P，如果Pl大于P，則服務A位于P-skyline上?？紤]到用 戶更加注重服務近期的表現，我們在P-skyline中加入了時效性的概念，即在計算支配概 率時添加了服務的時間性函數。最終我們計算出所有位于TPS上的服務，并將它們推薦給 用戶。TPS方法(時效概率skyline方法)及計算公式在服務注冊時收集服務的信息，將服務表示為以下形式，服務描述模型:S= {Sname, q1; q2，· · ·，qn}，其中(I)Sname表示服務的名稱。(2) qn為服務的某一屬性值。我們定義下skyline服務的支配關系服務支配如果服務Sa支配服務sb，則對于服務的任一屬性i，服務Sa的Qi值優(yōu)于或者等于服務Sb的Qi值，且至少存在某一個屬性j，使得服務Sa的q^值優(yōu)于 服務Sb的qj值。傳統的skyline計算即為計算出所有不被其他服務支配的服務，并將這些服務的 集合稱為skyline服務。然而由于不確定服務有許多不同的表現，即服務Sa為不同表現的 一個集合，Sa = {sal, sa2, ...，SaJ。而不同服務之間，可能存在服務的不同表現互相支配， 使得無法進行不確定服務的skyline計算。針對這種情況，本發(fā)明利用概率的方法，計算服 務支配的概率，并通過預先設定的概率來判斷該服務是否位于概率skyline之上。具體計 算方法如下所示首先計算服務的分布情況，即概率密度函數f，對于數據空間D來說，任一服務的 概率密度函數滿足以下條件，即 給定服務sM和服務sN，則他們的概率密度函數為f (m)和f(n)，而服務sM支配服 務Sn的概率為
Pr[sM< sN] = / neDf(n) ( / m<nf' (m) dm) dn= / neD / m<nf(n)f' (m)dmdn對于給定的兩服務sM和sN來說，只存在三種可能的關系(1)服務sM支配服務sN ； ⑵服務Sm被服務Sn支配；(3)服務Sm和服務Sn互不支配。因此，Pr [sM < sN] +Pr [sN < sM]≤ 1在離散情況下，即服務sM和服務sN各有有限個數的不同表現，如sM = {sM1, SM2' · · ·，SML1}，Sn — {sN1 ？ SN2，· · ·， SnlJ。則其支配概率計算如下所示 進而可以計算得到服務Sm不被其他服務支配的概率為， 由于用戶更加注重服務近期的表現，在最終的計算公式中添加了服務的時效函 數。服務的時效函數為服務質量隨著時間而變化的函數。具體計算公式如下 下面結合附圖和實例對本發(fā)明作進一步說明如圖1所示，整個推薦系統主要包括三個模塊服務注冊及管理模塊1、用戶需求 解析模塊2以及服務推薦模塊3，服務注冊及管理模塊1、用戶需求解析模塊2之間通信連 接，服務注冊及管理模塊1與服務推薦模塊3之間通信連接。服務注冊及管理模塊1主要負責錄入新增服務的數據及對數據的管理，其中包括 服務注冊器、服務管理模塊和服務管理庫；服務的數據主要包括服務名稱，功能描述，接口 參數，服務質量數據。在此處我們考慮的服務質量數據主要包括以下幾種表1服務質量數據表
服務數據的管理方面是利用語義的方法，通過構建一棵服務本體樹，對所有的服 務按照其功能描述進行分類，并打上相應的標簽。在對服務的功能描述上語義分析方面，采 用關鍵詞提取的方法，將功能描述中的關鍵字與服務本體樹上的類相匹配。用戶需求解析模塊2同樣采用語義本體樹的方法，針對用戶需求中的關鍵字，將 其與本體樹上的類加以匹配，從而分析出用戶需求中的關鍵內容。服務推薦模塊3是結合服務注冊器中的現有服務信息及需求解析模塊提供的用 戶需求，提取出所有滿足用戶需求的服務，針對這些服務采用TPS方法進行處理，將位于 time-sensitive probability skyline上白勺月艮務推薦給用戶。下面將結合附圖來介紹采用該系統進行推薦服務的過程和方法從圖1中可以看出，服務提供商將自己的服務通過服務注冊及管理模塊1中的服 務注冊器注冊，并由服務注冊器錄入該服務的具體信息，例如包括服務名稱，輸入輸出參 數，功能描述，服務質量數據等。然后服務注冊器將服務交由服務管理模塊統一管理，服務 管理模塊通過建立服務本體樹，將服務的功能描述中的關鍵字與本體進行匹配，從而將服 務管理庫中的服務分類。當有用戶提出服務請求時，由用戶需求解析模塊2中的需求解析 器對用戶請求進行解析，解析過程為根據用戶請求中的關鍵字，與本體樹進行匹配，從而提 取出用戶請求的關鍵內容，再將些內容傳送至服務管理庫；服務管理庫結合需求解析器傳 遞的請求信息，將匹配請求信息的服務的服務質量數據傳遞至服務推薦模塊3。服務推薦模 塊3根據TPS方法進行處理，將位于TPS上的服務推薦給用戶。圖2介紹了服務推薦模塊中的主要流程服務推薦模塊接收服務管理庫提供的服務集合及預先設定的概率閥值ρ ；將服務集合根據其各屬性的值映射至多維數據空間；根據前面介紹的TPS計算公式計算各個服務不被其他服務支配的概率，若此概率高于或等于原先設定的閥值P，則此服務為TPS上的服務，若低于閥值P，則此服務為被支配 服務；當所有服務計算完畢后，服務推薦模塊將位于TPS上服務推薦給用戶。上面以舉例方式對本發(fā)明進行了說明，但本發(fā)明不限于上述具體實施例，凡基于 本發(fā)明所做的任何改動或變型均屬于本發(fā)明要求保護的范圍。
權利要求
一種基于不確定服務的推薦系統，其特征在于包括服務注冊及管理模塊(1)、用戶需求解析模塊(2)以及服務推薦模塊(3)，所述服務注冊及管理模塊(1)、用戶需求解析模塊(2)之間通信連接，所述服務注冊及管理模塊(1)與服務推薦模塊(3)之間通信連接；所述服務推薦模塊(3)結合所述服務注冊及管理模塊(1)中的現有服務信息及所述用戶需求解析模塊(2)提供的用戶需求，提取出所有滿足用戶需求的服務，針對這些服務采用TPS方法進行處理，將位于TPS上的服務推薦給用戶。
2.根據權利要求1所述的推薦系統，其特征在于，所述服務注冊及管理模塊(1)包括服 務注冊器、服務管理模塊和服務管理庫；負責錄入新增服務的數據及對數據的管理。
3.根據權利要求2所述的推薦系統，其特征在于，所述服務的數據包括服務名稱、功能 描述、接口參數以及服務質量數據。
4.根據權利要求2所述的推薦系統，其特征在于，所述數據的管理為利用語義的方法， 通過構建一棵服務本體樹，對所有的服務按照其功能描述進行分類，并打上相應的標簽；在 對服務的功能描述上語義分析方面，采用關鍵詞提取的方法，將功能描述中的關鍵字與服 務本體樹上的類相匹配。
5.根據權利要求1所述的推薦系統，其特征在于，所述用戶需求解析模塊(2)采用語義 本體樹的方法，針對用戶需求中的關鍵字，將其與本體樹上的類加以匹配，從而分析出用戶 需求中的關鍵內容。
6.一種采用權利要求1-5所述的推薦系統進行基于不確定服務的推薦方法，其特征在 于包括以下步驟1)服務提供商將自身的服務通過服務注冊及管理模塊(1)中的服務注冊器注冊，并由 服務注冊器錄入該服務的具體信息；2)服務注冊器將服務交由服務管理模塊統一管理，服務管理模塊通過建立服務本體 樹，將服務的功能描述中的關鍵字與本體進行匹配，從而將服務管理庫中的服務分類；3)當有用戶提出服務請求時，由用戶需求解析模塊(2)中的需求解析器對用戶請求進 行解析，根據用戶請求中的關鍵字，與本體樹進行匹配，從而提取出用戶請求的關鍵內容， 再將些內容傳送至服務管理庫；4)服務管理庫結合需求解析器傳遞的請求信息，將匹配請求信息的服務的服務質量數 據傳遞至服務推薦模塊(3)；5)服務推薦模塊(3)根據TPS方法進行處理，將位于TPS上的服務推薦給用戶。
7.根據權利要求6所述的推薦方法，其特征在于，所述具體信息包括服務名稱、功能描 述、接口參數以及服務質量數據。
8.根據權利要求6所述的推薦方法，其特征在于，所述步驟5)包括以下子步驟A)服務推薦模塊(3)接收服務管理庫提供的服務集合及預先設定的概率閥值(p)；B)將服務集合根據其各屬性的值映射至多維數據空間；C)根據TPS計算公式計算各個服務不被其他服務支配的概率，若此概率高于或等于原 先設定的閥值(P)，則此服務為TPS上的服務，若低于閥值(p)，則此服務為被支配服務；D)當所有服務計算完畢后，服務推薦模塊(3)將位于TPS上的服務推薦給用戶。
9.根據權利要求8所述的推薦方法，其特征在于，所述TPS計算公式是指計算得到服務 sM不被其他服務支配的概率為，
10.根據權利要求8所述的推薦方法，其特征在于，所述TPS計算公式是指計算得到服 務sM不被其他服務支配的概率為， 其中添加了服務的時效函數。
全文摘要
本發(fā)明涉及一種網絡服務的推薦系統及方法，屬于網絡服務技術領域，特指一種基于不確定服務的推薦系統及方法，其主要包括服務注冊及管理模塊、用戶需求解析模塊以及服務推薦模塊，提取出所有滿足用戶需求的服務，并針對這些服務采用TPS方法進行處理，將位于TPS上的服務推薦給用戶。通過這種方法，可以大大保證被推薦的不確定服務的質量，具有廣泛的應用前景。
文檔編號H04L12/24GK101895547SQ201010229030
公開日2010年11月24日 申請日期2010年7月16日 優(yōu)先權日2010年7月16日
發(fā)明者吳健, 尹建偉, 李瑩, 鄧水光, 陳亮 申請人:浙江大學