[发明专利]基于QoS多时段变化特征预测的云服务推荐方法及装置

权利要求书

1.一种基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述方法包括以下步骤：

接收第一用户的服务请求，由所述服务请求解析出所述第一用户的服务需求和客户端上下文特征信息，所述客户端上下文特征信息包括所述第一用户的设备类型、地理位置和网络位置，所述服务需求包括功能性需求和非功能性需求，所述非功能性需求包括：时间段集合、各个时间段的权重向量、多个服务质量参数以及各个服务质量参数的权重，所述服务质量参数包括：响应时间、吞吐量、可用性、可连续性、可靠性或/和延迟；

从各大云服务供应商平台所发布的云服务中选取与功能性需求匹配的所有第一候选云服务；

从预设的服务质量历史数据库中筛选与所述客户端上下文特征信息相似的多个第二用户；

从所有的所述第一候选云服务中，剔除任一所述第二用户使用过且服务质量性能不满足所述服务需求的云服务；

将所有剩余的所述第一候选云服务构成候选云服务集合；

从预设的服务质量历史数据库中选取所述第一用户使用过的多个第二候选云服务；

从预设的服务质量历史数据库中选取使用过至少一个所述第二候选云服务的所有邻近用户；

从预设的服务质量历史数据库中提取各所述第二候选云服务的服务质量历史时序数据；

根据所述服务质量历史时序数据使用云模型理论根据所述非功能性需求中的所述时间段集合进行分时段建模，获取任一服务质量参数下且与任一所述第二候选云服务关联的所述第一用户的第一服务质量云模型集合以及任一所述邻近用户的第二服务质量云模型集合；

针对任一服务质量参数，应用马氏距离算法计算与任一所述第二候选云服务关联的所述第一服务质量云模型集合与任一所述第二服务质量云模型集合之间的相似度，其中，所述相似度为所述第一用户与任一所述邻近用户在任一所述第二候选云服务上的相似度；

根据各个服务质量参数的权重对所述相似度进行加权求和，得到所述第一用户与任一所述邻近用户在任一所述第二候选云服务上的累积相似度；

根据任一所述邻近用户使用过的多个所述第二候选云服务对所述累积相似度进行加权求和，得到任一所述邻近用户与所述第一用户的综合相似度；

根据任一所述邻近用户的客户端上下文特征信息与所述第一用户的客户端上下文特征信息的相似程度对任一所述邻近用户与所述第一用户的所述综合相似度进行补偿加分，得到最终的相似度得分；

根据所述相似度得分选择预设数量个最相似的邻近用户构成初始邻近用户集合；

从所述初始邻近用户集合中删除与所述第一用户的相似性等于或小于0的邻近用户，得到所述第一用户的邻近用户集合；

根据所述邻近用户集合中所有邻近用户的历史服务质量时序数据计算所述候选云服务集合中各所述第一候选云服务的综合评价值，并将所述综合评价值最高的所述第一候选云服务推荐给所述第一用户。

2.如权利要求1所述的基于QoS多时段变化特征预测的云服务推荐方法，其特征在于，所述应用马氏距离算法计算与任一所述第二候选云服务关联的所述第一服务质量云模型集合与任一所述第二服务质量云模型集合之间的相似度，包括：

将所述第一服务质量云模型集合中任一服务质量云模型包括的表征云服务服务质量变化特征预测的集中趋势的第一分量、表征云服务服务质量的变化范围的第二分量以及表征云服务服务质量的变化频率的第三分量进行拼接，形成第一向量；

将任一所述第二服务质量云模型集合中任一服务质量云模型包括的表征云服务服务质量变化特征预测的集中趋势的第一分量、表征云服务服务质量的变化范围的第二分量以及表征云服务服务质量的变化频率的第三分量进行拼接，形成第二向量；

应用标准马氏距离算法或变权双马氏距离算法计算所述第一向量和所述第二向量之间的距离；

对所述距离进行规范化，得到所述第一用户与任一所述邻近用户在任一所述第二候选云服务上的相似度。