CN101645934A - 基于加权的Web服务评价方法、Web服务查找方法及其装置 - Google Patents

Abstract

本发明提供了一种基于加权的Web服务评价方法，包括：在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；以及基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算Web服务的综合得分，以对Web服务进行综合评价。

Description

基于加权的Web服务评价方法、Web服务查找方法及其装置

技术领域

本发明涉及网络服务领域，尤其涉及一种基于加权的Web服务评价方法、Web服务查找方法及其装置。

背景技术

如今，面向服务的集成(SOI)已经成为企业信息集成的有效解决方案。在现有SOI中，基于标准接口的Web服务被越来越多地使用来构建电子商务与供应链企业应用的基础体系架构，以便通过使用Web服务来实现应用程序间通用的互操作性，从而提供企业内外基于服务的动态应用集成。

Web服务是用于完成特定功能的基于网络的分布式可复用的模块化组件，其可以通过一系列标准和协议来实现程序之间的动态连接。所述标准和协议例如包括SOAP(Simple Object Access Protocol，简单对象访问协议)、WSDL(Web Services Description Language，Web服务描述语言)、UDDI(Universal Description，Discovery and Integration，通用描述、发现和综合)。其中SOAP是用于进行消息传递的协议，它规定了Web服务之间传递信息的规则，例如传递信息的格式为XML、远程对象方法调用的格式、参数类型和XML格式之间的映射、异常处理以及其它相关信息。WSDL是Web服务的定义语言，它规定了有关Web服务描述的标准，它的核心技术是XML。UDDI是为了解决Web服务在使用过程中的发布、查找和绑定问题而制订的一套基于Web的分布式实现机制，其能够使服务提供者在Web上对Web服务进行注册、发布，同时使服务请求者发现和绑定Web服务。例如，所述UDDI服务器是用于集中存放和查找WSDL描述文件的“目录服务器”。

图1示出了传统的基于面向服务架构(SOA)的Web服务架构的示意图。

如图1所示，所述Web服务架构主要包括Web服务请求者、Web服务提供者以及Web服务注册服务器。在该Web服务架构中，首先，Web服务提供者在We服务注册服务器中进行注册以配置和发布Web服务。在服务请求者需要Web服务时，服务请求者通过在Web服务注册服务器中查找被发布的服务注册记录来查找所需的Web服务。在查找到所需Web服务后，服务请求者与服务提供者绑定，并使用所查找到的Web服务。

然而，传统的Web Services查找是通过tModel分类信息，采用关键字匹配来在UDDI服务器中进行的，其中所述tModel分类信息用于表示一个规范或一个概念的服务类型性概念，tModel分类信息的任务之一就是提供对符合某种规范、概念甚至是某种共享设计的描述能力。

这种查找存在以下两点不足：一是查找的范围有限，所查找的结果集有可能是空或多条，特别是在查找结果为多条的情况下，最终用户无法决定选择哪一个作为最适合的Web服务(非完全匹配，但最接近用户要求)；二是查找过程只能按照tModel分类信息和关键字进行，而忽略了最终用户(服务请求者)对于性能的关注。

另一种目前的Web服务查找方法是围绕语义进行的，这种针对语义的查询方式只是在查询层面增加了用户的方便性，更像智能化的“模糊”查询。虽然它在一定程度上扩大了查找结果的范围，但不能增加查找结果的准确性和目的性。

因此，需要一种新的Web服务评价方法及Web服务查找方法，以提高Web服务查找的准确性和改善服务请求者的满意度。

发明内容

鉴于上述问题，提供一种基于加权的Web服务评价方法以及Web服务查找方法，其通过确定要被评价的指标集以及根据用户需求为要被评价的评价集中的各指标计算相应的加权因子，根据各指标隶属于于评语集中的各评语的隶属度来构造指标隶属度矩阵，并基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵来对Web服务进行综合评价，以确定最接近服务请求者要求的Web服务，由此可以提高Web服务查找的准确性和改善服务请求者的满意度。

根据本发明的一个方面，提供了一种基于加权的Web服务评价方法，包括：

在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；以及

基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算Web服务的综合得分，以对Web服务进行综合评价。

根据本发明的另一个方面，提供一种基于加权的Web服务评价装置，包括：

选择单元，用于在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

计算单元，用于根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

第一构造单元，用于根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；以及

评价单元，用于基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算Web服务的综合得分，以对Web服务进行综合评价。

根据本发明的又一方面，提供了一种基于加权的Web服务查找方法，包括：

在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；

基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算各Web服务的综合得分，以对各Web服务进行综合评价；以及

比较所计算出的各Web服务的综合得分，将综合得分最大的Web服务确定为所查找的Web服务。

根据本发明的另一方面，提供了一种基于加权的Web服务查找装置，包括：

选择单元，用于在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

计算单元，用于根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

第一构造单元，用于根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；

评价单元，用于基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算各Web服务的综合得分，以对各Web服务进行综合评价；以及

查找单元，用于比较所计算出的各Web服务的综合得分，将综合得分最大的Web服务确定为所查找的Web服务。

通过参考以下结合附图的说明及权利要求书的内容，并且随着对本发明的更全面理解，本发明的其他目的及结果将更加明白及易于理解。

附图说明

以下将结合附图和具体实施例对本发明进行详细描述，其中：

图1示出了现有技术中基于UDDI模型的Web服务架构的示意图；

图2示出了根据本发明一个实施例的基于加权的Web服务评价方法的流程图；

图3示出了根据本发明一个实施例的基于加权的Web服务查找方法的流程图；

图4示出了根据本发明一个实施例的基于加权的Web服务评价装置的方框图；

图5示出了据本发明一个实施例的基于加权的Web服务查找装置的方框图。

在所有附图中相同的标号指示相似或相应的特征或功能。

具体实施方式

下面结合附图对本发明作进一步的说明。

图2示出了根据本发明一个实施例的基于加权的Web服务评价方法的流程图。

如图2所示，在步骤S210，用户在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型。例如，用户可以从多维指标体系{服务质量(C1)，服务水平(C2)，用户满意度(C3)，资源消耗率(C4)，经济效益(C5)}中选择出要被评价的一级指标：服务质量(C1)、服务水平(C2)和用户满意度(C3)。所述一级指标可以包括或不包括子指标(即，二级指标)。例如，所述服务质量(C1)可以包括二级指标：时效性(P1)、安全性(P2)、可靠性(P3)、易用性(P4)和反应性(P5)。

要注意的是，所述多维指标体系可以是动态变化的。可以根据要处理的实际问题的变化而对所述多维指标体系进行扩充或缩减。例如，在判断出有新的评价指标的情况下，可以将该新的评价指标添加到所述多维指标体系中。另外，所选择的要被评价的指标集也可以是动态变化的。服务请求者可以根据需要或意愿动态地改变所要评价的指标集，以更好地满足用户的需要，由此可以实现对指标的动态处理。例如，在需要关心资源消耗的情况时，服务请求者可以将资源消耗率(C4)作为一级指标添加到所选择的要被评价的指标集中。在选择好要被评价的指标集后，流程进行到步骤S220。

在步骤S220，服务请求者根据自己的实际需求，为所选择出的要被评价的指标集中的各指标计算加权因子。

具体地，首先，根据服务请求者的实际需求，利用九分位相对重要比例标度，即为1-9标度法，对要被评价的指标集中的各指标的相对重要程度进行测量，以构造所述要被评价的指标集的两两比较判断矩阵A，其中该矩阵A中的各元素a_ij表示所选择出的要被评价的指标集中的第i个指标对第j个指标的相对重要程度的两两比较值。然后，对所构造出的指标集的两两比较判断矩阵A进行求解，以计算出该两两比较判断矩阵A的特征向量W_A。所计算出的特征向量W_A的各个分量W_Ai即是所述各指标的加权因子。例如，针对所选出的一级指标服务质量(C1)、服务水平(C2)和用户满意度(C3)，根据用户需求，利用1-9标度法构造一级指标的两两比较判断矩阵A，并计算出各个一级指标C1、C2和C3的加权因子，并形成一级指标加权因子向量W_A。

所述1-9标度法是由美国学者T.L.Saaty提出的表示两个要素之间的相对重要程度的方法，其采用整数1-9及其倒数表示两个要素之间的相对重要程度，利用此标度法，通过对各指标进行两两比较，给出相应的比较值，从而形成各要素之间的两两比较判断矩阵。要注意的是，这里所述的1-9标度法仅仅是构造两两比较判断矩阵的一个实例。本领域技术人员还可以采用其它合适的方法来构造两两比较判断矩阵。

另外，所述要被评价的指标集中的各指标还可以包含多个子指标。在所述要被评价的指标集中的各指标Ci包含子指标的情况下，还需要根据服务请求者的实际需求，利用1-9标度法对各指标Ci的子指标集中的各子指标的相对重要程度进行测量，以构造各指标Ci的子指标集的两两比较判断矩阵C，其中该矩阵C中的各元素C_ij表示各指标的子指标集中的第i个子指标对第j个子指标的相对重要程度的两两比较值。然后，对所构造出的子指标集的两两比较判断矩阵C进行求解，以计算出与一级指标Ci对应的该两两比较判断矩阵C的特征向量W_Ci。所计算出的特征向量W_Ci的各个分量w_Ci即是指标Ci下的所述各子指标的加权因子。例如，假设一级指标服务质量(C1)还包括下述二级指标：时效性(P1)、安全性(P2)、可靠性(P3)、易用性(P4)和反应性(P5)。那么，针对所述二级指标时效性(P1)、安全性(P2)、可靠性(P3)、易用性(P4)和反应性(P5)，根据用户需求，利用1-9标度法构造一级指标的两两比较判断矩阵C，并计算出各个二级指标的加权因子，形成在一级指标C1下的二级指标加权因子向量W_C1。

此外，在计算各指标或各子指标的加权因子的过程，还可以对所构造的两两比较判断矩阵进行一致性检验。为了衡量两两比较的一致性，定义了一致性指标CI＝(λ_max-n)/(n-1)，其中λ_max是两两比较判断矩阵的最大特征值，n是相应的指标或子指标的个数。所述一致性指标CI的值越大，表示所构造的两两比较判断矩阵的一致性越差。通常，当所述一致性指标CI的值小于或等于一个阈值时，例如小于或等于0.1时，就认为所构造的两两比较判断矩阵的一致性满足用户要求。如果所构造的两两比较判断矩阵的一致性不满足用户要求，则利用1-9标度法重新构造所述两两比较判断矩阵，直到所计算出的一致性指标CI小于或等于所述阈值。要注意的是，所述阈值还可以采用其它合适的值。

在计算出指标集的各指标和各子指标集的各子指标(如果存在的话)的加权因子后，流程进行到步骤S230。

在步骤S230，根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的。

具体地，首先，根据各指标的评价要求，预先确定评语集V和相应的分值集F。例如，在对各指标的评价要求比较严格时，可以将评语集V分为5个等级，即V＝(V1，V2，V3，V4，V5)＝(好，较好，一般，较差，差)。对应地，根据评价结果的分布情况或聚集情况，将其分值集F定义为F＝(1，0.8，0.6，0.4，0.2)。要说明的是，所述评语集的等级数目是可以改变的。可以根据实际情况，将评语集分为多于或少于5个等级。例如，在对各指标的评价要求不是很严格时，可以将评语集V分为3个等级，即V＝(V1，V2，V3)＝(优，及格，差)。

然后，对各指标进行单因素评价，通过专家调查法得到各指标隶属于评语集中的评语的程度，由此构造出指标隶属度矩阵R，指标隶属度矩阵R中的元素Ri＝{r_ij ^k}，其中，k表示评语集的级数，r_ij ^k表示第i个指标属于第j个评语Vj的隶属度。

在构造出指标隶属度矩阵R后，流程进行到步骤S240。在步骤S240，基于所计算出的各指标和各子指标(如果存在的话)的加权因子以及所构造出的指标隶属度矩阵，计算Web服务的综合评分，以对Web服务进行综合评价。

具体地，在步骤S240中，通过二级模糊评判，基于各二级指标加权因子向量W_Ci和相应的指标隶属度矩阵R中的元素Ri，得到归一化的评价矩阵B，其中的B中的各元素B_i＝W_ci·R_i。然后，基于一级指标加权因子向量W_A和所获得的评价矩阵B，得到综合评价Z＝W_A·B。然后，计算该Web服务的综合得分S＝Z·F^T。这里要说明的是，在一级指标都不包含二级指标的情况下，这里所涉及的二级指标加权因子向量W_Ci＝1。

图3示出了根据本发明的基于加权的Web服务查找方法的流程图。

除了在对Web服务进行综合评价的步骤之后，增加步骤S350之外，图3中的其余步骤都与图2中所描述的步骤相同。为了避免重复，在此仅对图3和图2中的不同之处进行描述，而省略对相同部分的描述。

在步骤S350中，比较所计算出的各Web服务的综合得分，将综合得分最大的Web服务确定为所查找的最适合服务请求者要求的Web服务。

以上参照图2和图3对本发明的基于加权的Web服务评价方法及Web服务查找方法进行了描述。为了使得本发明的基本原理更加清楚，下面采用一个具体的例子来进行详细的描述。

假设有5家Web服务商X1，X2，X3，X4，X5提供Web服务，多维指标体系包括一级指标服务质量(C1)、服务水平(C2)、用户满意度(C3)、资源消耗率(C4)和经济效率(C5)。所述服务质量(C1)还包括二级指标：时效性(P1)、安全性(P2)、可靠性(P3)、易用性(P4)和反应性(P5)。所述服务水平(C2)包括二级指标：平均处理时间(P6)和平均等待时间(P7)，所述用户满意度(C3)包括二级指标：响应放弃率(P8)、移情率(P9)和一次性解决问题率(P10)。服务请求者从上述多维指标体系中选择出服务质量(C1)、服务水平(C2)和用户满意度(C3)及其子指标，作为多维评价指标体系，从而建立起多维指标评价模型。

在建立起多维指标评价模型后，利用1-9标度法，对一级指标C1、C2和C3进行两两比较，构造两两比较判断矩阵A：

$A=\left(\begin{array}{ccc}1& 1& 0.5\\ 1& 1& 0.5\\ 2& 2& 1\end{array}\right)$

然后，利用1-9标度法，分别对一级指标C1、C2和C3的二级指标进行两两比较，以分别构造二级指标的两两比较判断矩阵C₁、C₂和C₃：

$C_1=\left(\begin{array}{ccccc}1& 2& 3& 3& 5\\ 0.5& 1& 2& 2& 4\\ 0.33& 0.5& 1& 2& 4\\ 0.33& 0.5& 1& 1& 4\\ 0.2& 0.25& 0.25& 0.25& 1\end{array}\right),$

$C_2=\left(\begin{array}{cc}1& 3\\ 0.33& 1\end{array}\right),$

$C_3=\left(\begin{array}{ccc}1& 0.5& 3\\ 2& 1& 3\\ 0.33& 0.33& 1\end{array}\right).$

然后，分别求解下述矩阵方程：

A·W_A＝λ_max AW_A，

$C_1\·W_{C_1}={\mathrm{\λ}}_{\max C_1}{C}_1,$

$C_2\·W_{C_2}={\mathrm{\λ}}_{\max C_2}{C}_2,$

$C_3\·W_{C_3}={\mathrm{\λ}}_{\max C_3}{C}_3$

得到

W_A＝{0.25，0.25，0.5}，λ_max A＝3.0，CI_A＝0；

$W_{C_1}=\left\{\mathrm{0.3658,0.2482,0.1785,0.1523,0.0552}\right\},$ ${\mathrm{\λ}}_{{\max C}_1}=5.285,$ ${\mathrm{CI}}_{C_1}=0.0713;$

$W_{C_2}=\left\{\begin{array}{cc}0.7505& 0.2495\end{array}\right\},$ ${\mathrm{\λ}}_{\max C_2}=1.9879,$ ${\mathrm{CI}}_{C_2}=0;$

$W_{C_3}=\left\{\mathrm{0.3701,0.4934,0.1365}\right\},$ ${\mathrm{\λ}}_{\max C_3}=3.0635,$ ${\mathrm{CI}}_{C_3}=0.0318;$

根据以上计算结果，可以看出，CI均小于0.1，因此以上两两比较判断矩阵A、C₁-C₃都满足一致性要求，由此得到如下所述的一级指标和二级指标的加权因子向量，而不需要再次进行两两比较判断矩阵构造。

W_A＝{0.25，0.25，0.5}， $W_{C_1}=\left\{\mathrm{0.3658,0.2482,0.1785,0.1523,0.0552}\right\},$

$W_{C_2}=\left\{\begin{array}{cc}0.7505& 0.2495\end{array}\right\},$

$W_{C_3}=\left\{\mathrm{0.3701,0.4934,0.1365}\right\}.$

在获得上述加权因子向量后，通过专家调查法进行单因素评价，针对各Web服务提供者，根据各指标隶属于评语集中的评语的程度，构造出各指标的指标隶属度矩阵。下面以Web服务提供者X1为例进行说明。针对Web服务提供者X1，可以得到如下所述的一级指标C1、C2和C3的指标隶属度矩阵R₁、R₂和R₃：

$R_1=\left(\begin{array}{ccccc}0.3& 0.4& 0.2& 0.1& 0\\ 0.4& 0.3& 0.2& 0.1& 0\\ 0.3& 0.3& 0.2& 0.1& 0.1\\ 0.4& 0.3& 0.1& 0.1& 0.1\\ 0.2& 0.3& 0.4& 0.1& 0\end{array}\right),$

$R_2=\left(\begin{array}{ccccc}0.3& 0.4& 0.2& 0.1& 0\\ 0.4& 0.3& 0.1& 0.1& 0.1\end{array}\right)$

$R_3=\left(\begin{array}{ccccc}0.3& 0.4& 0.2& 0.1& 0\\ 0.4& 0.2& 0.2& 0.1& 0.1\\ 0.4& 0.3& 0.1& 0.1& 0.1\end{array}\right)$

然后，对各指标C1-C3进行二级模糊评判，得到对各指标的评价分量：

B1＝C1·R1＝(0.33453，0.33658，0.19581，0.1，0.03308)

B2＝C2·R2＝(0.32495，0.37505，0.17495，0.1，0.02495)

B3＝C3·R3＝(0.36299，0.28767，0.13701，0.1，0.06299)

对上述分量进行归一化可得到评价矩阵B：

$B=\left(\begin{array}{ccccc}0.334& 0.337& 0.196& 0.1& 0.033\\ 0.325& 0.375& 0.175& 0.1& 0.025\\ 0.382& 0.303& 0.144& 0.105& 0.066\end{array}\right)$

然后，如下计算针对服务提供者X1的综合评价以及综合得分：

Z＝W_A·B＝(0.356，0.229，0.165，0.103，0.047)

S₁＝Z·F^T＝0.698

按照相同的方法，针对服务提供者X2、X3、X4和X5，分别得到S₂＝0.863，S₃＝0.549，S₄＝0.492和S₅＝0.661。

通过比较上述综合得分可知，服务提供者X2的综合得分最高，从而服务提供者X2即是最适合服务请求者要求的Web服务提供者。

以上参照图2和图3以及具体实例对根据本发明实施例的Web服务评价方法及Web服务查找方法进行了描述。

本发明的上述Web服务评价方法和Web服务查找方法，可以采用软件实现，也可以采用硬件实现，或采用软硬件结合的方式实现。

图4示出了根据本发明实施例的Web服务评价装置400的方框图。如图4所示，Web服务评价装置400包括选择单元401、计算单元403、构造单元405和评价单元407。

所述选择单元401在多维指标体系中选择要被评价的指标及其子指标(如果存在的话)。然后，计算单元403根据用户需求，为所选择的要被评价的指标及子指标计算相应的加权因子。在计算出相应的加权因子后，构造单元405根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中，所述评语集是根据各指标的评价要求而预先确定的。随后，评价单元407基于所计算出的加权因子以及所构造的指标隶属度矩阵，计算Web服务的综合评分，以对Web服务进行综合评价。

另外，所述Web服务评价装置400还可以包括多维指标体系更新单元(未示出)，用于对多维指标体系中的指标进行更新，例如，缩减或扩充。

所述Web服务评价装置还可以包括一致性检验单元(未示出)，用于对所构造的两两比较判断矩阵进行一致性检验，以判断一致性指标CI＝(λ_max-n)/(n-1)是否满足要求，即，是否小于或等于一个阈值，其中λ_max是两两比较判断矩阵的最大特征值，n是相应的指标或子指标的个数。当一致性指标CI大于所述阈值时，则利用1-9标度法重新构造所述两两比较判断矩阵，直到所计算出的一致性指标CI小于或等于所述阈值。

图5示出了根据本发明实施例的Web服务查找装置500的方框图。如图5所示，Web服务查找装置500包括选择单元501、计算单元503、构造单元505、评价单元507和查找单元509。其中，所述选择单元501、计算单元503、构造单元505和评价单元507的结构和功能与图4中所示的选择单元401、计算单元403、构造单元405和评价单元407完全相同。同样，所述Web服务查找装置500还可以包括如Web服务评价装置400中所述的多维指标体系更新单元和一致性检验单元。为了避免重复，以下仅对不同的单元的功能进行描述，而省略对相同的元件的详细描述。

如图5所示，在评价单元507对各Web服务进行综合评价后，查找单元509比较所计算出的各Web服务的综合得分，将综合得分最大的Web服务确定为所查找的Web服务。

有益效果

通过以上结合附图对本发明实施例的详细描述，不难看出：利用本发明提供的Web服务评价及查找方法和装置，可以选择要被评价的指标集，根据用户需求为要被评价的各指标计算加权因子，构造指标隶属度矩阵，并基于所计算出的各指标的加权因子以及所构造出的指标隶属度矩阵，对各Web服务进行综合评价，以查找出最接近服务请求者要求的Web服务，从而可以提高Web服务查找的准确性和改善服务请求者的满意度。

但是，本领域技术人员应当理解，对上述本发明所提出的用于对Web服务进行评价以及查找的方法和装置，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (12)

1、一种基于加权的Web服务评价方法，包括：

在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；以及

基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算Web服务的综合得分，以对Web服务进行综合评价。

2、如权利要求1所述的方法，其中，所述多维指标体系或所选择的指标集是根据需要动态变化的。

3、如权利要求1所述的方法，其中，所述根据用户需求为要被评价的指标集中的各指标计算相应的加权因子的步骤还包括：

基于所选择的要被评价的指标集以及针对各指标的用户需求，构造所述指标集的两两比较判断矩阵A，所述两两比较判断矩阵A中的各元素aij表示所述要被评价的指标集中的第i个指标相对于第j个指标的相对重要程度；

针对所构造出的两两比较判断矩阵A，求出所述两两比较判断矩阵A的相应特征向量W_A，其中该特征向量W_A的分量w_Ai是各指标的加权因子。

4、如权利要求3所述的方法，其中，在所选择的要被评价的指标具有子指标集的情况下，所述根据用户需求为所述要被评价的指标集中的各指标计算相应的加权因子的步骤还包括：

基于所述指标的子指标集和针对所述子指标集中的各子指标的用户需求，构造所述子指标集的两两判断比较矩阵C，所述两两判断比较矩阵C中的各元素Cij表示所述子指标集中的第i个子指标相对于第j个子指标的相对重要程度；

针对所构造出的所述子指标集中的两两比较判断矩阵C，求出所述两两比较判断矩阵C的相应特征向量W_C，其中该特征向量W_C的分量w_Ci是所述子指标集中的各子指标的加权因子。

5、如权利要求3或4所述的方法，还包括对所构造出的两两比较判断矩阵进行一致性检验，当所构造出的两两比较判断矩阵一致性不符合用户要求时，再次构造所述两两比较判断矩阵，直到所构造出的两两比较判断矩阵的一致性符合用户要求。

6、一种基于加权的Web服务评价装置，包括：

选择单元，用于在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

计算单元，用于根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

第一构造单元，用于根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；以及

评价单元，用于基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算Web服务的综合得分，以对Web服务进行综合评价。

7、如权利要求6所述的装置，其中，所述多维指标体系或所选择的指标集是根据需要动态变化的。

8、如权利要求6所述的装置，其中，所述计算单元还包括：

第二构造单元，用于基于所选择的要被评价的指标集以及针对各指标的用户需求，构造所述指标集的两两比较判断矩阵A，所述两两比较判断矩阵A中的各元素aij表示所述要被评价的指标集中的第i个指标相对于第j个指标的相对重要程度；

导出单元，用于针对所构造出的两两比较判断矩阵A，导出所述两两比较判断矩阵A的相应特征向量W_A，其中该特征向量W_A的分量w_Ai是各指标的加权因子。

9、如权利要求8所述的装置，其中，在所选择的要被评价的指标具有子指标集的情况下，所述第二构造单元还用于基于所述指标的子指标集和针对所述子指标集中的各子指标的用户需求，构造所述子指标集的两两判断比较矩阵C，所述两两判断比较矩阵C中的各元素C_ij表示所述子指标集中的第i个子指标相对于第j个子指标的相对重要程度；以及

所述导出单元还用于针对所构造出的所述子指标集中的两两比较判断矩阵C，求出所述两两比较判断矩阵C的相应特征向量W_C，其中该特征向量W_C的分量w_Ci是所述子指标集中的各子指标的加权因子。

10、如权利要求8或9所述的装置，还包括一致性检验单元，用于对所构造出的两两比较判断矩阵进行一致性检验，其中当所构造出的两两比较判断矩阵一致性不符合用户要求时，所述第二构造单元再次构造所述两两比较判断矩阵，直到所构造出的两两比较判断矩阵的一致性符合用户要求。

11、一种基于加权的Web服务查找方法，包括：

在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；

基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算各Web服务的综合得分，以对各Web服务进行综合评价；以及

比较所计算出的各Web服务的综合得分，将综合得分最大的Web服务确定为所查找的Web服务。

12、一种基于加权的Web服务查找装置，包括：

选择单元，用于在多维指标体系中选择要被评价的指标集，以建立多维指标评价模型；

计算单元，用于根据用户需求为要被评价的指标集中的各指标计算相应的加权因子；

第一构造单元，用于根据各指标隶属于评语集中的各评语的隶属度，构造指标隶属度矩阵，其中所述评语集是根据各指标的评价要求而预先确定的；

评价单元，用于基于所计算出的指标集的各指标的相应加权因子以及所构造的指标隶属度矩阵，计算各Web服务的综合得分，以对各Web服务进行综合评价；以及

查找单元，用于比较所计算出的各Web服务的综合得分，将综合得分最大的Web服务确定为所查找的Web服务。

Images