CN102902740A - Web服务组合推荐方法及设备 - Google Patents
Web服务组合推荐方法及设备 Download PDFInfo
- Publication number
- CN102902740A CN102902740A CN2012103377208A CN201210337720A CN102902740A CN 102902740 A CN102902740 A CN 102902740A CN 2012103377208 A CN2012103377208 A CN 2012103377208A CN 201210337720 A CN201210337720 A CN 201210337720A CN 102902740 A CN102902740 A CN 102902740A
- Authority
- CN
- China
- Prior art keywords
- web service
- service
- candidate
- frequent
- qos attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 239000000203 mixture Substances 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种Web服务组合推荐方法及设备。该方法包括:获取用户的Web服务组合需求,Web服务组合需求包括至少两个Web服务功能需求;确定与各Web服务功能需求对应的候选服务集合;对历史调用服务集合进行关联规则分析,确定候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括频繁度指数大于预设标准的候选Web服务的频繁服务集合;对Web服务组合需求进行服务组合关系分析,获取至少两个Web服务功能需求之间的组合关系;根据频繁服务集合中的各候选Web服务的频繁度指数,以及按照组合关系应用各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
Description
技术领域
本发明涉及Web服务技术,尤其涉及一种Web服务组合推荐方法及设备,属于计算机技术领域。
背景技术
近年来,快速发展的Web服务技术及面向服务的软件结构为异构信息、平台的共享与集成提供了重要的基础,成为分布式应用系统开发的关键支撑技术和标准,也是当前网络软件开发技术研究的重要方向。Web服务是一个可通过网络使用的自描述、自包含软件模块,在分布式计算的基础架构下完成任务、解决问题,或者代表用户、应用进程处理事务,因而越来越多地应用于互联网上的信息交换。Web服务是传统组件技术在互联网应用环境下的延伸,其目的是提供一种统一的规范和技术,为异构企业应用系统的集成提供基础,为互联网应用提供统一的功能描述和共享机制。
单一的Web服务功能相对简单,把多个Web服务组合起来,使之提供比较复杂的功能的完整应用,才能让Web服务真正发挥潜力。用于组成完整应用的服务集合称之为服务组合。各个原子服务相互之间通过通信和协作来实现大粒度的服务功能,通过有效地联合各种不同功能的Web服务,解决更为复杂的问题,达到服务增值的目的。
目前的Web服务推荐方法都是针对单一的Web服务进行推荐,例如包括基于服务质量(Quality of Service,QoS)预测的服务推荐、基于用户评价反馈的服务推荐、基于混合式协同过滤方式的服务推荐以及基于上下文的服务推荐。以基于QoS预测的服务推荐为例,执行Web服务推荐的Web服务推荐设备在满足用户的功能属性需求的情况下,根据用户选择的QoS属性预期值,根据服务的QoS属性进行Web服务推荐。由于Web服务组合实际上是“组件服务”+“协同关系”,所以Web服务组合的属性不仅与Web服务组合中各项单独Web服务的属性相关,还在较大程度上取决于Web服务组合中不同Web服务之间的协同关系。因此,通过现有技术的单一Web服务推荐方法,无法准确、有效地推荐最优QoS属性的Web服务组合。
发明内容
针对现有技术中存在的缺陷,本发明提供一种Web服务组合推荐方法及设备,以实现准确、有效地的最优QoS属性的Web服务组合推荐。
根据本发明的一方面,提供一种Web服务组合推荐方法,包括:
获取用户的Web服务组合需求,所述Web服务组合需求包括至少两个Web服务功能需求;
根据所述至少两个Web服务功能需求,确定与各所述Web服务功能需求对应的候选服务集合;
对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合;
对所述Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系;
根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
根据本发明的另一方面,提供一种Web服务组合推荐设备,包括:
需求获取模块,用于获取用户的Web服务组合需求,所述Web服务组合需求包括至少两个Web服务功能需求;
功能筛选模块,用于根据所述至少两个Web服务功能需求,确定与各所述Web服务功能需求对应的候选服务集合;
关联规则分析模块,用于对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合;
组合关系分析模块,用于对所述Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系;
服务推荐模块,用于根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
根据本发明提供的Web服务组合推荐方法及设备,通过对Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系,并根据组合关系确定应用候选Web服务时的全局QoS属性,并根据全局QoS属性和各候选Web服务的频繁度进行Web服务推荐,即实现了根据“组件服务”和“协同关系”综合进行Web服务推荐,从而能够确定最优QoS属性的Web服务组合,避免了由于仅考虑各项单独Web服务的属性时,无法准确、有效地推荐最优QoS属性的Web服务组合的问题。
附图说明
图1为本发明一个实施例的Web服务组合推荐方法的流程示意图。
图2为本发明中生成频繁服务集合的一个示例的流程示意图。
图3为本发明中对推荐Web服务进行排序的一个示例的流程示意图。
图4为本发明中可视化应用模型的一个示例的结构示意图。
图5为本发明一个实施例的Web服务组合推荐设备的结构示意图。
具体实施方式
图1为本发明一个实施例的Web服务组合推荐方法的流程示意图。如图1所示,该Web服务组合推荐方法包括以下流程:
步骤101,获取用户的Web服务组合需求,所述Web服务组合需求包括至少两个Web服务功能需求;
步骤102,根据所述至少两个Web服务功能需求,确定与各所述Web服务功能需求对应的候选服务集合;
步骤103,对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合;
步骤104,对所述Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系;
步骤105,根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
上述实施例的Web服务组合推荐方法可以由Web服务组合推荐设备来执行,该Web服务组合推荐设备例如为能够获知全部可用的Web服务的相关信息、并执行上述Web服务组合推荐方法的计算机。
具体地,Web服务组合推荐设备可以通过用户输入的功能指示词或Web服务名称等获取用户的Web服务功能需求,并根据已知的全部Web服务的功能信息,确定功能符合用户需求的候选服务集合S。Web服务组合推荐设备对历史调用服务集合进行关联规则分析,得到待推荐Web服务组合的用户的相近用户以往使用频率较高(即频繁度指数较高)的频繁服务集合S’。
Web服务组合推荐设备还利用任意的服务组合关系分析方法,对待推荐Web服务组合中不同Web服务功能需求之间的组合关系进行分析。更为具体地,例如Web服务组合推荐设备对用户输入的待推荐Web服务组合的业务流程文件(BPMN文件)进行分析,得到所有可视化元素;从可视化元素中提取出所有任务(Task)信息及相关的序列流,其中各任务分别与Web服务功能需求相对应;根据序列流,分析Task之间的前驱后继关系,并建立任务描述模型。
表1
Task ID | 任务的ID |
Task Name | 任务的名称 |
Service ID | 已绑定服务的ID |
Service Name | 已绑定服务的名称 |
表1为任务描述模型的一个示例,如表1所示,包括Task ID(任务的标识(ID))、Task Name(任务的名称)、Service ID(已绑定服务的ID)和ServiceName(已绑定服务的名称)。其中,Web服务组合推荐设备对BPMN文件中的各任务进行逐个解析,并根据最新解析出的任务以及用户选择绑定的Web服务对任务描述模型进行更新。形成任务描述模型后,Web服务组合推荐设备还建立如下表2所示的任务间连接关系描述模型。
表2
Task ID | 待绑定服务的任务的ID |
Former Task ID | 连接的前一个任务的ID |
Former Relation | 与前一个任务的关系类型 |
Latter Task ID | 连接的后一个任务的ID |
Latter Relation | 与后一个任务的关系类型 |
如表2所示,任务间连接关系描述模型中包括Task ID(待绑定服务的任务的ID)、Former Task ID(连接的前一个任务的ID)、Former Relation(与前一个任务的关系类型)、Latter Task ID(连接的后一个任务的ID)、LatterRelation(与后一个任务的关系类型)。其中,Web服务组合推荐设备将BPMN文件中的各任务逐个作为待绑定服务的任务,并根据BPMN文件中其它任务与该任务的组合关系,形成上述任务间连接关系描述模型。
例如:BPMN文件中包括顺次执行的三个任务,Web服务组合推荐设备首先将第一个任务(例如称为Task 1)作为待绑定服务的任务,形成表1所示的任务描述模型。任务描述模型中的Task ID字段和Task Name字段根据BPMN文件中Task 1的ID和名称进行填写,并将Service ID和Service Name字段设置为空。并在表2所示的任务间连接关系描述模型中,将TASK 1的ID填写至Task ID字段,将Former Task ID字段和Former Relation字段设置为空,将BPMN文件中Task 1的后一个任务(例如称为Task 2)的ID填写至Latter Task ID,并将Task 1与Task 2之间的组合关系类型填写至LatterRelation字段,例如为顺序类型。
Web服务组合推荐设备针对待绑定服务的任务Task 1获得任务描述模型和任务间连接关系描述模型后,根据Task 1对应的频繁服务集合中各候选Web服务的QoS属性,以及Task 1的任务描述模型和任务间连接关系描述模型,确定在Web服务组合中应用各候选Web服务的全局QoS属性,并结合各候选Web服务的频繁度指数,确定针对Task 1的推荐Web服务。
其中,针对Task 1的推荐Web服务可以是一个或多个。将推荐Web服务提供给用户,以使用户从推荐Web服务中选择一个Web服务作为绑定服务。
Web服务组合推荐设备获知用户选择的针对Task 1的绑定服务后,将Task 2作为待绑定服务的任务,并更新任务描述模型和任务间连接关系描述模型,此时,任务描述模型中的Task ID字段和Task Name字段根据BPMN文件中Task 2的ID和名称进行填写,并且Service ID和Service Name字段根据Task 1的绑定服务的ID和名称进行填写。并在表2所示的任务间连接关系描述模型中,将Task 2的ID填写至Task ID字段,将Former Task ID字段填写为Task 1的ID,将Former Relation字段填写为顺序类型,将BPMN文件中Task 2的后一个任务(例如称为Task 3)的ID填写至Latter Task ID,并将Task 2与Task 3之间的组合关系类型填写至Latter Relation字段。
类似地,形成针对Task2的推荐Web服务。按此方式,最终形成针对用户的Web服务组合需求的全部任务的推荐Web服务,完成Web服务组合的推荐。
根据上述实施例的Web服务组合推荐方法,通过对Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系,并根据组合关系确定应用候选Web服务时的全局QoS属性,并根据全局QoS属性和各候选Web服务的频繁度进行Web服务推荐,即实现了根据“组件服务”和“协同关系”综合进行Web服务推荐,从而能够确定最优QoS属性的Web服务组合,避免了由于仅考虑各项单独Web服务的属性时,无法准确、有效地推荐最优QoS属性的Web服务组合的问题。
进一步地,在上述实施例的Web服务组合推荐方法中,所述对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数较高的候选Web服务的频繁服务集合,具体包括:
确定所述用户的相似用户集合;
对所述相似用户集合中各相似用户对应的历史调用服务集合进行关联规则分析,确定所述候选服务集合中所述候选服务集合中各候选Web服务的所述频繁度指数,将所述频繁度指数大于预设标准的候选Web服务,作为所述频繁服务集合的成员,生成所述频繁服务集合。
其中,确定所述用户的相似用户集合,可以是通过将所述用户的历史调用服务集合与其它用户的历史调用服务集合进行相似度比较来确定的,也可以是通过任意其它方式,例如为根据用户的地理位置来确定的。
具体地,图2为本发明中生成频繁服务集合的一个示例的流程示意图。如图2所示,包括以下流程:
步骤201,用户登录后,Web服务组合推荐设备查找该用户的使用服务记录;
步骤202,Web服务组合推荐设备将该用户的使用服务记录与其他用户的使用服务记录进行相似度比较;
步骤203,Web服务组合推荐设备例如使用K近邻的原理选出相似度符合要求的用户,形成相似用户集合;
步骤204,调取相似用户集合所对应的历史调用服务集合;
步骤205,设置关联规则查找算法所需参数,即设定最小支持度和最小置信度;
步骤206,根据最小支持度和最小置信度,获得频繁项集;
更为具体地,该频繁项集为历史调用服务集合中,使用频率较高的Web服务组合,例如该频繁项集包括Web服务组合{a,b,c,d}、Web服务组合{a,d,c,d}、Web服务组合{e,g,b,f}、Web服务组合{a,b,c,e}等。
步骤207,判断所获得的频繁项集是否满足要求,例如包括所获得的Web服务组合的数量以及各Web服务组合中Web服务的数量是否满足要求;若是,则执行步骤208,若否,则返回步骤205,以重新设定最小支持度和最小置信度;
步骤208,通过关联规则查找算法,生成待推荐的Web服务组合中各任务对应的频繁服务集合。
更为具体地,以上述待推荐的Web服务组合包括顺序执行的Task 1、Task2和Task 3三个任务为例,分别生成Task 1、Task 2和Task 3对应的频繁服务集合。其中Task 1对应的频繁服务集合中,包括出现在频繁项集中、且作为首个Web服务的频繁度较高的Web服务(该Web服务需包含在Task 1对应的候选服务集合中),例如为Web服务“a”;相应地,Task 2对应的频繁服务集合中,包括出现在频繁项集中、且作为Web服务“a”的下一个Web服务的频繁度较高的Web服务(该Web服务需包含在Task 2对应的候选服务集合中),例如为Web服务“b”。类似地,按此方式,生成与各任务对应的频繁服务集合,并记录频繁服务集合中各候选Web服务对应的频繁度指数,例如Web服务“a”在频繁项集的Web服务中作为首个Web服务出现过3次,则可将Web服务“a”的频繁度指数记为3。
进一步地,在上述实施例的Web服务组合推荐方法中,根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务具体包括:
根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定各候选Web服务的归一化数值,并根据所述归一化数值对所述频繁服务集合中的各候选Web服务进行排序;
将排序后的频繁服务集合作为所述推荐Web服务返回给所述用户。
进一步地,所述全局QoS属性是通过如下方式确定的:
若所述Web服务功能需求为所述组合关系中的首个Web服务功能需求,则根据所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若所述Web服务功能需求不为所述组合关系中的首个Web服务功能需求,则判断是否存在并发任务;
若否,则根据前连接Web服务的QoS属性和所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若是,则获取所述Web服务功能需求的并发关系类型,并根据所述并发关系类型、前连接Web服务的QoS属性、并发Web服务的QoS属性,以及所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性。
具体地,图3为本发明中对推荐Web服务进行排序的一个示例的流程示意图。如图3所示,Web服务组合推荐设备获取频繁服务集合和组合关系后,开始执行以下流程:
步骤301,判断待推荐Web服务的任务是否为首个任务;若是,则直接执行步骤307,若否,则执行步骤302;
步骤302,获取前连接关系类型;
步骤303,记录前连接服务的信息;
具体地,例如记录前连接关系类型(例如为顺序类型),以及前连接任务的绑定服务的ID、名称等;
步骤304,判断是否有并发任务;若否,则直接执行步骤307,若是,则执行步骤305;
步骤305,获取并发关系类型;
其中,并发关系类型例如包括并发分支、同步合并、异步分支或异或合并等。
步骤306,记录并发服务的信息;
记录并发任务的绑定服务的信息,例如包括ID、名称等;
步骤307,提取待推荐Web服务的任务对应的频繁服务集合中,各候选Web服务的频繁度指数和Qos属性。
更为具体地,各候选Web服务的频繁度指数和Qos属性例如记录在下表3所示的服务描述模型中。
表3
Service ID | 服务的ID |
Service Name | 服务的名称 |
Service URL | 服务的地址 |
Former Service ID | 连接的前一个服务名称 |
Former Relation | 与前一个服务的关系类型 |
Parallel Service ID | 并发的服务名称 |
Parallel Relation | 并发关系类型 |
Service RTT | 服务的响应时间 |
Service Cost | 服务的花费 |
Service Freq | 频繁度指数 |
如表3所示,候选Web服务的Qos属性例如包括服务的响应时间和花费等。
步骤308,根据所记录/获取的信息,计算得到服务排序模型;
更为具体地,表4为服务排序模型的一个示例。如表4所示,服务排序模型包括服务的ID、服务的频繁度指数以及将服务用于Web服务组合时的全局Qos属性,包括:与前连接服务的组合响应时间、与前连接服务的组合花费、与并发服务的组合响应时间以及与并发服务的组合花费。
表4
Service ID | 服务的ID |
Service Freq | 服务出现的频繁度指数 |
Former Composition RTT | 与前连接服务的组合响应时间 |
Former Composition Cost | 与前连接服务的组合花费 |
Parallel Composition RTT | 与并发服务的组合响应时间 |
Parallel Composition Cost | 与并发服务的组合花费 |
步骤309,对于服务排序模型中的各项指标进行归一化处理;
更为具体地,不同指标可对应于不同的预设权重或转换方式,从而得到与各候选Web服务对应的归一化数值;
步骤310,根据归一化处理结果进行排序,将排序后的Web服务推荐给用户。
进一步地,在上述实施例的Web服务组合推荐方法中,Web服务组合推荐设备确定推荐的Web服务后,还可以对Web服务推荐结果进行可视化,以将可视化结果提供给用户。
图4为本发明中可视化应用模型的一个示例的结构示意图。如图4所示,可视化应用模型包括原始数据层、数据预处理层、数据挖掘层和可视化层。其中,原始数据层包括数据库和Web信息,数据库中例如存储收集到的各种Web服务的QoS属性等,Web信息包括由BPMN文件抽取出来的信息等;数据预处理层用于去除各类数据的格式,使其统一使用XML形式来表示,并对数据进行抽取、转换、装载等操作得到用于展示的数据集合;数据挖掘层使用数据挖掘的方法得到相关模式;可视化层利用现有的降维技术、可视化方法来呈现挖掘结果。
图4所示的可视化应用模型仅作为一个示例,也可以采用任意其它的可视化流程对Web服务推荐结果进行可视化,本发明实施例中不做限制。
图5为本发明一个实施例的Web服务组合推荐设备的结构示意图。如图5所示,该Web服务组合推荐设备包括:
需求获取模块51,用于获取用户的Web服务组合需求,所述Web服务组合需求包括至少两个Web服务功能需求;
功能筛选模块52,用于根据所述至少两个Web服务功能需求,确定与各所述Web服务功能需求对应的候选服务集合;
关联规则分析模块53,用于对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合;
组合关系分析模块54,用于对所述Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系;
服务推荐模块55,用于根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
上述实施例的Web服务组合推荐设备执行Web服务组合推荐的流程与上述任一实施例的Web服务组合推荐方法相同,故此处不再赘述。
根据本实施例的Web服务组合推荐设备通过对Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系,并根据组合关系确定应用候选Web服务时的全局QoS属性,并根据全局QoS属性和各候选Web服务的频繁度进行Web服务推荐,即实现了根据“组件服务”和“协同关系”综合进行Web服务推荐,从而能够确定最优QoS属性的Web服务组合,避免了由于仅考虑各项单独Web服务的属性时,无法准确、有效地推荐最优QoS属性的Web服务组合的问题。
进一步地,在上述实施例的Web服务组合推荐设备中,所述关联规则分析模块具体用于:确定所述用户的相似用户集合;对所述相似用户集合中各相似用户对应的历史调用服务集合进行关联规则分析,确定所述候选服务集合中所述候选服务集合中各候选Web服务的所述频繁度指数,将所述频繁度指数大于预设标准的候选Web服务,作为所述频繁服务集合的成员,生成所述频繁服务集合。
进一步地,在上述实施例的Web服务组合推荐设备中,所述服务推荐模块具体用于:根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定各候选Web服务的归一化数值,并根据所述归一化数值对所述频繁服务集合中的各候选Web服务进行排序;
将排序后的频繁服务集合作为所述推荐Web服务返回给所述用户。
进一步地,在上述实施例的Web服务组合推荐设备中,所述全局QoS属性是通过如下方式确定的:
若所述Web服务功能需求为所述组合关系中的首个Web服务功能需求,则根据所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若所述Web服务功能需求不为所述组合关系中的首个Web服务功能需求,则判断是否存在并发任务;
若否,则根据前连接Web服务的QoS属性和所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若是,则获取所述Web服务功能需求的并发关系类型,并根据所述并发关系类型、前连接Web服务的QoS属性、并发Web服务的QoS属性,以及所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性。
进一步地,在上述实施例的Web服务组合推荐设备中,所述并发关系类型包括并发分支、同步合并、异步分支或异或合并。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种网页Web服务组合推荐方法,其特征在于,包括:
获取用户的Web服务组合需求,所述Web服务组合需求包括至少两个Web服务功能需求;
根据所述至少两个Web服务功能需求,确定与各所述Web服务功能需求对应的候选服务集合;
对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合;
对所述Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系;
根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局服务质量QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
2.根据权利要求1所述的Web服务组合推荐方法,其特征在于,所述对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合,具体包括:
确定所述用户的相似用户集合;
对所述相似用户集合中各相似用户对应的历史调用服务集合进行关联规则分析,确定所述候选服务集合中各候选Web服务的所述频繁度指数,将所述频繁度指数大于预设标准的候选Web服务,作为所述频繁服务集合的成员,生成所述频繁服务集合。
3.根据权利要求2所述的Web服务组合推荐方法,其特征在于,根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务具体包括:
根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定各候选Web服务的归一化数值,并根据所述归一化数值对所述频繁服务集合中的各候选Web服务进行排序;
将排序后的频繁服务集合作为所述推荐Web服务返回给所述用户。
4.根据权利要求3所述的Web服务组合推荐方法,其特征在于,所述全局QoS属性是通过如下方式确定的:
若所述Web服务功能需求为所述组合关系中的首个Web服务功能需求,则根据所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若所述Web服务功能需求不为所述组合关系中的首个Web服务功能需求,则判断是否存在并发任务;
若否,则根据前连接Web服务的QoS属性和所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若是,则获取所述Web服务功能需求的并发关系类型,并根据所述并发关系类型、前连接Web服务的QoS属性、并发Web服务的QoS属性,以及所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性。
5.根据权利要求4所述的Web服务组合推荐方法,其特征在于,所述并发关系类型包括并发分支、同步合并、异步分支或异或合并。
6.一种Web服务组合推荐设备,其特征在于,包括:
需求获取模块,用于获取用户的Web服务组合需求,所述Web服务组合需求包括至少两个Web服务功能需求;
功能筛选模块,用于根据所述至少两个Web服务功能需求,确定与各所述Web服务功能需求对应的候选服务集合;
关联规则分析模块,用于对历史调用服务集合进行关联规则分析,确定所述候选服务集合中频繁度指数大于预设标准的候选Web服务,生成包括所述频繁度指数大于预设标准的候选Web服务的频繁服务集合;
组合关系分析模块,用于对所述Web服务组合需求进行服务组合关系分析,获取所述至少两个Web服务功能需求之间的组合关系;
服务推荐模块,用于根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定与各Web服务功能需求对应的推荐Web服务,以形成推荐Web服务组合。
7.根据权利要求6所述的Web服务组合推荐设备,其特征在于,所述关联规则分析模块具体用于:确定所述用户的相似用户集合;对所述相似用户集合中各相似用户对应的历史调用服务集合进行关联规则分析,确定所述候选服务集合中所述候选服务集合中各候选Web服务的所述频繁度指数,将所述频繁度指数大于预设标准的候选Web服务,作为所述频繁服务集合的成员,生成所述频繁服务集合。
8.根据权利要求7所述的Web服务组合推荐设备,其特征在于,所述服务推荐模块具体用于:根据所述频繁服务集合中的各候选Web服务的频繁度指数,以及按照所述组合关系应用所述各候选Web服务的全局QoS属性,确定各候选Web服务的归一化数值,并根据所述归一化数值对所述频繁服务集合中的各候选Web服务进行排序;
将排序后的频繁服务集合作为所述推荐Web服务返回给所述用户。
9.根据权利要求8所述的Web服务组合推荐设备,其特征在于,所述全局QoS属性是通过如下方式确定的:
若所述Web服务功能需求为所述组合关系中的首个Web服务功能需求,则根据所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若所述Web服务功能需求不为所述组合关系中的首个Web服务功能需求,则判断是否存在并发任务;
若否,则根据前连接Web服务的QoS属性和所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性;
若是,则获取所述Web服务功能需求的并发关系类型,并根据所述并发关系类型、前连接Web服务的QoS属性、并发Web服务的QoS属性,以及所述频繁服务集合中的各候选Web服务的QoS属性,确定所述全局QoS属性。
10.根据权利要求9所述的Web服务组合推荐设备,其特征在于,所述并发关系类型包括并发分支、同步合并、异步分支或异或合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210337720.8A CN102902740B (zh) | 2012-09-12 | 2012-09-12 | Web服务组合推荐方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210337720.8A CN102902740B (zh) | 2012-09-12 | 2012-09-12 | Web服务组合推荐方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102902740A true CN102902740A (zh) | 2013-01-30 |
CN102902740B CN102902740B (zh) | 2015-05-20 |
Family
ID=47574972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210337720.8A Expired - Fee Related CN102902740B (zh) | 2012-09-12 | 2012-09-12 | Web服务组合推荐方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102902740B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207912A (zh) * | 2013-04-15 | 2013-07-17 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
CN104376021A (zh) * | 2013-08-16 | 2015-02-25 | 捷达世软件(深圳)有限公司 | 文件推荐系统及方法 |
CN104796467A (zh) * | 2015-04-10 | 2015-07-22 | 南京大学 | 一种计算具有QoS关联关系的QoS最优组合服务限定范围的方法 |
CN106126578A (zh) * | 2016-06-17 | 2016-11-16 | 清华大学 | 一种Web服务推荐方法以及装置 |
CN106354844A (zh) * | 2016-08-31 | 2017-01-25 | 上海交通大学 | 基于文本挖掘的服务组合包推荐系统及方法 |
CN109447622A (zh) * | 2018-09-30 | 2019-03-08 | 中国银行股份有限公司 | 交易类型推荐方法及系统、智能交易终端 |
CN111615680A (zh) * | 2017-10-05 | 2020-09-01 | 翁24公司 | 在线小配件推荐系统和方法 |
CN113448645A (zh) * | 2021-06-24 | 2021-09-28 | 树根互联股份有限公司 | 一种服务的提供方法、装置、可读存储介质及电子设备 |
CN114065617A (zh) * | 2021-11-04 | 2022-02-18 | 武汉理工大学 | 一种制造服务组合推荐方法及装置 |
CN116127203A (zh) * | 2023-04-17 | 2023-05-16 | 杭州实在智能科技有限公司 | 结合页面信息的rpa业务组件推荐方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101820428A (zh) * | 2010-04-22 | 2010-09-01 | 北京航空航天大学 | 基于协议组合机制的组合服务优化方法和装置 |
CN102521362A (zh) * | 2011-12-15 | 2012-06-27 | 北京航空航天大学 | Web服务推荐方法及装置 |
-
2012
- 2012-09-12 CN CN201210337720.8A patent/CN102902740B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101820428A (zh) * | 2010-04-22 | 2010-09-01 | 北京航空航天大学 | 基于协议组合机制的组合服务优化方法和装置 |
CN102521362A (zh) * | 2011-12-15 | 2012-06-27 | 北京航空航天大学 | Web服务推荐方法及装置 |
Non-Patent Citations (3)
Title |
---|
MENG ZHANG, XUDONG LIU,ETC.: "AWeb Service Recommendation Approach Based on QoS Prediction Using Fuzzy Clustering", 《2012 IEEE NINTH INTERNATIONAL CONFERENCE ON SERVICES COMPUTING》, 29 June 2012 (2012-06-29), pages 138 - 145, XP032223516, DOI: doi:10.1109/SCC.2012.24 * |
徐明伟,胡春明等: "一种基于Web Service 的分级QoS 的研究与实现", 《计算机研究与发展》, vol. 42, no. 2, 31 December 2005 (2005-12-31), pages 669 - 675 * |
蔡华利,刘鲁等: "基于BPSO的web服务推荐策略", 《深圳大学学报理工版》, vol. 27, no. 1, 31 January 2010 (2010-01-31), pages 49 - 55 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207912B (zh) * | 2013-04-15 | 2016-04-27 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
CN103207912A (zh) * | 2013-04-15 | 2013-07-17 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
CN104376021A (zh) * | 2013-08-16 | 2015-02-25 | 捷达世软件(深圳)有限公司 | 文件推荐系统及方法 |
CN104796467B (zh) * | 2015-04-10 | 2018-03-06 | 南京大学 | 一种计算具有QoS关联关系的QoS最优组合服务限定范围的方法 |
CN104796467A (zh) * | 2015-04-10 | 2015-07-22 | 南京大学 | 一种计算具有QoS关联关系的QoS最优组合服务限定范围的方法 |
CN106126578A (zh) * | 2016-06-17 | 2016-11-16 | 清华大学 | 一种Web服务推荐方法以及装置 |
CN106354844B (zh) * | 2016-08-31 | 2020-08-04 | 上海交通大学 | 基于文本挖掘的服务组合包推荐系统及方法 |
CN106354844A (zh) * | 2016-08-31 | 2017-01-25 | 上海交通大学 | 基于文本挖掘的服务组合包推荐系统及方法 |
CN111615680A (zh) * | 2017-10-05 | 2020-09-01 | 翁24公司 | 在线小配件推荐系统和方法 |
CN111615680B (zh) * | 2017-10-05 | 2023-11-28 | 翁24公司 | 在线小配件推荐系统和方法 |
CN109447622A (zh) * | 2018-09-30 | 2019-03-08 | 中国银行股份有限公司 | 交易类型推荐方法及系统、智能交易终端 |
CN109447622B (zh) * | 2018-09-30 | 2022-02-08 | 中国银行股份有限公司 | 交易类型推荐方法及系统、智能交易终端 |
CN113448645A (zh) * | 2021-06-24 | 2021-09-28 | 树根互联股份有限公司 | 一种服务的提供方法、装置、可读存储介质及电子设备 |
CN114065617A (zh) * | 2021-11-04 | 2022-02-18 | 武汉理工大学 | 一种制造服务组合推荐方法及装置 |
CN114065617B (zh) * | 2021-11-04 | 2024-08-13 | 武汉理工大学 | 一种制造服务组合推荐方法及装置 |
CN116127203A (zh) * | 2023-04-17 | 2023-05-16 | 杭州实在智能科技有限公司 | 结合页面信息的rpa业务组件推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102902740B (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102902740B (zh) | Web服务组合推荐方法及设备 | |
Feng et al. | An expert recommendation algorithm based on Pearson correlation coefficient and FP-growth | |
CN103544623B (zh) | 一种基于用户偏好特征建模的Web 服务推荐方法 | |
Hussain et al. | Integrated AHP-IOWA, POWA framework for ideal cloud provider selection and optimum resource management | |
US20080222131A1 (en) | Methods and systems for unobtrusive search relevance feedback | |
US20120124126A1 (en) | Contextual and task focused computing | |
US20140330821A1 (en) | Recommending context based actions for data visualizations | |
US9244998B2 (en) | Extending olap navigation employing analytic workflows | |
CN103778548A (zh) | 商品信息与关键词匹配方法、商品信息投放方法及装置 | |
CN102999586A (zh) | 一种网站推荐的方法和装置 | |
CN103324619A (zh) | 一种基于互联网的推荐方法及推荐系统 | |
US20150242780A1 (en) | Automated recommendation engine for human resource management | |
Büyüközkan et al. | Extending fuzzy QFD methodology with GDM approaches: An application for IT planning in collaborative product development | |
Suh et al. | Roadmapping for prioritisation of smartphone feature requirements based on user experiences | |
CN111414410A (zh) | 数据处理方法、装置、设备和存储介质 | |
Dong et al. | A human-centered semantic service platform for the digital ecosystems environment | |
CN102541947A (zh) | 一种用于基于扩展推荐事件更新网页权威值的方法与设备 | |
JP2012242844A (ja) | レコメンド情報生成装置およびレコメンド情報生成方法 | |
Campos et al. | Engineering environment to support product-service design using value chain data | |
Lubos et al. | Analysis Operations On The Run: Feature Model Analysis in Constraint-based Recommender Systems | |
US20100114844A1 (en) | Method and system for data mashup in commenting layer | |
CN101639856A (zh) | 检测互联网信息传播的网页关联评价装置 | |
CN110659919A (zh) | 数据匹配方法、装置、介质及电子设备 | |
Tran | In-depth Analysis and Evaluation of ETL Solutions for Big Data Processing | |
Pajo et al. | Systematic online lead user identification-case study for electrical installations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150520 |
|
CF01 | Termination of patent right due to non-payment of annual fee |