CN103763302B - 一种web服务组合生成方法 - Google Patents

Abstract

本发明公开了一种web服务组合生成方法，首先对用户的偏好分为定性和定量偏好两大类，并采取相应的模型进行描述和推理，然后计算web服务组合的信任度，最终采取遗传算法做全局寻优以期找到最为适合用户的web服务组合。本发明方法基于用户偏好和服务信任度，将用户的定性偏好、定量偏好以及服务的信任度有机结合起来，有效的解决了互联网中web服务组合存在的信任度低和不适合用户偏好的不足，与其他方法相比，能够产生更好的组合服务，提高用户体验和满意度。

Description

一种web服务组合生成方法

技术领域

本发明属于计算机领域，涉及一种web服务组合方法。

背景技术

面向服务计算的技术，利用已有的服务开发新的软件和服务，得到了显著的关注并在商业、政府等其他领域受到广泛使用。面向服务的体系结构首先解决了如何描述服务和服务组合这个问题。在实际应用中，单一和简单的Web服务往往不能满足用户实际的需要。人们往往需要由一系列简单的Web服务组成的组合来完成更为复杂的任务。现在，在大型应用程序的开发过程中，越来越多的企业往往只开发部分核心业务组件。其余部分则使用合作伙伴的提供Web服务，从而大大降低应用开发的难度，并且缩短了开发周期。许多公司还将自身业务功能和流程打包成标准的Web服务并发布到互联网。通过这些操作，企业可以方便地挖掘潜在客户，实现业务增值的目的。

随着服务的资源的快速增长，已经出现了大量具备相同或类似功能的服务。然而，对于服务组合来说，单个原子服务的选择已经变得越来越困难，甚至可能在使用该服务的过程中给用户带来风险。同时，服务的安全性受到严重威胁，并且由于服务的非正常使用甚至恶意用户的攻击行为降低了服务利用率。服务提供者和用户之间的信任问题是造成上述问题的主要原因之一。一些研究表明，信任问题已经成为制约高效的服务组合的一个主要因素。因此，如何在服务组合过程中选择具有相对较高信任度的服务，以确保产生可信任的服务组合已成为服务计算领域的一个热门话题。

从另一个角度来看，在Web服务的选择和组合过程中，用户的喜好也吸引越来越多研究者的关注。在个性化和应用程序用户的喜好往往能起到关键作用。例如，史密斯打算通过地图服务来规划自己的旅行计划。如果史密斯想尽快到达目的地，地图服务应该提供他的路线有更多的高速公路。相反，如果他想尽可能地减少过路费，地图服务应该提供给他具有较少高速公路的路线。

然而，在实际的服务组合处理过程中，用户的偏好和服务的可信度经常需要同时考虑。本发明的主要贡献总结如下。1)提出了把用户的偏好和服务信任度结合起来的多目标优化模型。2)提出了一个优化方法以获得全局最优的服务组合。

发明内容

技术问题：本发明提供了一种基于用户偏好和服务信任度、能获得更高用户满意度的web服务组合生成方法。

技术方案：本发明的web服务组合生成方法，包括以下步骤：

1)根据带权重的条件偏好网和用户的定性，确定不同服务组合之间在定性偏好上的优劣性，具体流程为：

首先采用带权重的条件偏好网描述用户的定性偏好，得到wcp-net图；

然后根据wcp-net图计算每个服务的偏离度，将每个服务组合的所有服务的偏离度依次相加，得到各个服务组合的偏离度；

最后将所有服务组合的偏离度，从小到大进行排序，得到服务组合的全排序，从而确定不同服务组合之间在定性偏好上的优劣性；

2)基于帕雷托占优的概念建立各个服务组合在定量偏好上的表征方法，然后获得各个服务组合之间的优劣性排序，具体流程为：

首先对每一项定量偏好上的n个定量偏好值，按照符合用户偏好的程度进行排序，最符合用户偏好的排在最前，最不符合用户偏好的排在最后，从而根据每个定量偏好值的序号i，得到定量偏好值的松弛度i+1；

然后对服务组合中各个服务的各个属性上用户的定量偏好值的松弛度进行累加，得到各个服务组合对用户定量偏好的松弛度；

最后将所有服务组合对用户定量偏好的松弛度，从小到大进行排序，得到服务组合的全排序，从而确定不同服务组合之间在定量偏好上的优劣性；

3)基于单个服务的信任度，并根据服务组合中各个服务之间的连接结构，获得整个服务组合的信任度高低，具体流程为：

首先根据用户与服务之间的历史交互信息，建立起服务信任度数据库；

然后将服务的组合方式分解成六种原子结构，分别为顺序调用、按概率调用、并行调用、循环调用、同步调用、异步调用；

最后根据六种原子结构，对服务组合工作流图进行拓扑排序，在排序的过程中，根据如下方法计算每种原子结构下的服务组合信任度，从而得到整个服务组合的信任度：

顺序调用和循环调用原子结构按照下式计算服务组合信任度：

T_Se＝T_S·T_A

其中T_Se是整个调用结构的信任度，T_S是服务S的信任度，T_A是服务A的信任度。

并行调用和同步调用原子结构按照下式计算服务组合信任度：

$T_{AB}=\frac{{\mathrm{\ω}}_1}{{\mathrm{\ω}}_1+{\mathrm{\ω}}_2}\·T_A+\frac{{\mathrm{\ω}}_2}{{\mathrm{\ω}}_1+{\mathrm{\ω}}_2}\·T_B$

其中T_AB整个调用结构的信任度，T_A是服务A的信任度，T_B是服务B的信任度。

按概率调用和异步调用按照下式计算服务组合信任度：

T_AB＝P_A·T_A+(1-P_A)·T_B

其中T_AB整个调用结构的信任度，T_A是服务A的信任度，T_B是服务B的信任度。

4)将用户的定性偏好、定量偏好以及信任度模型设定为多目标优化问题中的各个分目标，采用快速精英非支配排序遗传算法求解三目标优化问题，产生全局最优的web服务组合。

有益效果：本发明与现有技术相比，具有以下优点：

传统的服务组合生成方法往往只考虑到用户的偏好，甚至在考虑用户偏好时可能存在忽略定性偏好和定量偏好之间的差异。那么这样的服务组合虽然在用户偏好方面具备最优的属性，但在其他方面的性能却可能是最差的，最终仍然会导致极低的用户满意度。

而对于另外一些服务组合生成方法，他们只考虑服务的信任度(类似淘宝搜索关键字后按照商家的信誉排序)，这样产生的服务组合虽然信任度高高，但是往往和用户的偏好相差很大，不能满足用户的个性化需要，因此这样的服务组合也不能获得很高的用户满意度。

而本发明提出的方法是直接将用户偏好和服务的信任度结合，两者结合考虑并通过遗传算法产生全局最优的服务组合。在服务组合的生成过程中，考虑到了服务与服务之间的组织结构，确保了在用户偏好和信任度中产生的表征值能代表服务组合的真实状况。所以，本发明提出的模型产生服务组合相比其他方法能获得更高的用户满意度。

附图说明

图1是基本的服务组合结构。

图2是NSGA-II算法基因编码图。

图3是本发明方法的流程图。

具体实施方式

下面结合说明书附图和具体实施例对本发明进行详细说明，方法的详细步骤如图3所示，下面分步骤进行描述。

首先基于用户的定量偏好来计算服务组合的松弛度，同时对定性偏好进行建模、根据单个服务的信任度计算服务组合的信任度，最终采用遗传算法产生全局最优的服务组合。其中，定性偏好的建模即采用带权重的条件偏好网来定性地描述用户偏好。

本发明方法的具体流程如下：

1)用户的定性偏好处理的步骤为：

本发明采用条件偏好网(CP-Nets)的扩展wcp-nets来定性地描述用户偏好。它具有以下优点：1，用户可以表达更准确地自己的喜好；2，应用图模型使得偏好推理更为方便。采用5个层次的相对重要性的概念，并通过线性法和非线性法获得所有属性的权重和得到属性不同值之间权重。

其次，WCP-Nets偏离度的概念则给出了服务满足用户定性偏好的优劣性比较的量度。属性偏离度反映了根据相应的条件偏好表，所选择的属性的值对组合服务模式相对重要性水平。组合服务的偏离度考虑一个组合服务中的所有属性，并考虑所有属性的权重。这样可以获得组合服务在定性偏好上的偏离度。

最后，通过计算各个组合服务的偏离度，就可以对它们在定性偏好上的优劣性进行比较，偏离度越小的组合服务越能满足用户的定性偏好。

2)用户的定量偏好处理的步骤为：

本发明方法采用Pareto占优的理论，Pareto占优的概念为设A和B是两个组合服务，偏好集SR是由n个原子偏好的组合，包括p₁,p₂,...,p_n，p_i是在变量x_i(i＝1,2,...,n)的值的全排序中的序号。(v_A1,...,v_An)和(v_B1,...,v_Bn)为A、B这两个组合服务的在n个属性排序序号具体值。如果A中所有值不劣于B中对应的值，且至少在一个属性上A的值优于B，那么成为A相对于B是Pareto占优的。

其次，提出松弛度的概念来比较两个定量偏好模式之间的优劣性。设一个变量x的具备有限个值，构成了完全有序域D。对于u,v∈D，如果u<v，则v支配u。对于每个序列v_n-1＜v_n-2＜...＜v₁＜v₀，我们定义v_i的松弛度rd(v_i)为i+1，v₀的松弛程度为1。

设S是一个原子服务，那么对这个原子服务的所以定量偏好属性获得其松弛度。则这个服务总的松弛度为：

$rd\left(S\right)=\underset{i=1}{\overset{n}{\&Sigma;}}{\mathrm{rd}}_i$

最后，我们可以得到组合服务的松弛程度。组合服务A由n个原子服务所组成，那么松弛度RD(A)是所有的原子服务的松弛度的和，即：

$rd\left(A\right)=\underset{i=1}{\overset{n}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{\mathrm{rd}}_{ij}$

具备最小的松弛程度的组合服务是Pareto最优的。因此，我们可以比较两个组合服务的松弛度来确定它们在满足用户定量偏好上的优劣性。

3)服务信任度处理的步骤为：

本发明方法根据原子服务的信任度(其值在[0，1]，0表示服务是可不信任的，1表示服务完全可信任的)来获得组合服务的信任度并选择具备全局最优信任度的组合服务。首先根据用户与服务的历史交互信息建立起服务的信任度数据库。并采用服务调用矩阵来表示组合服务的复杂结构。为了获得组合服务的Trust，我们认为有六种基本的服务调用方式：顺序调用、按概率调用、并行调用、循环调用、同步调用、异步调用(如图1所示)。其中循环调用、同步调用、异步调用三种方式可以由顺序调用、按概率调用、并行调用来实现。因此，只需建立顺序调用、按概率调用、并行调用三种方式的Trust计算方式。

·顺序调用服务S调用其独特的后续服务A。那么这个组合的Trust可以表达为：

T_Se＝T_S·T_A

其中T_Se为整个顺序调用结构的信任度，T_S是服务S的信任度，T_A是服务A的信任度。

·并行调用一个服务S同时调用多个后续服务。例如，如果S调用A和B。那么这个组合的Trust可以表达为：

其中T_AB整个并行调用结构的信任度，T_A是服务A的信任度，T_B是服务B的信任度。

·按概率调用服务S以概率P调用服务A，以概率1-P调用服务B。那么这个组合的Trust可以表达为：T_AB＝P_A·T_A+(1-P_A)·T_B

其中T_AB整个概率调用结构的信任度，T_A是服务A的信任度，T_B是服务B的信任度。

据此方法，只要给定服务组合的工作流图和其中单个服务的Trust，从源点开始逐步迭代至终点，即可得到整个组合服务的Trust。

4)本发明方法的目标是为组合服务中每个抽象服务类选择相应的具体服务，得到全局最优的目标。在这个模型中的变量是具体的服务在所在原子服务类的序列号，优化的目标是对每个原子服务类选择具体服务。本发明采用快速精英非支配排序遗传算法(NSGA-II)。其步骤如下：

(1)基因编码方式：如图2所示，每个组合服务有一个基因组(表示为一个位串)。基因组由一系列子串组成。每一个子串称为一条对应服务类的染色体。每个染色体的二进制串的十进制值表示具体服务在该服务类中的索引(从0开始)(如图2所示)。

(2)模拟二进制交叉(SBX)：两个父代种群的组合服务进行SBX运算符，并产生两个后代。子代和父代之间的差异取决于交叉指数。交叉指数“η_C”是任意非负实数。一个大的“η_C”意味着创建“近父”种群，小的“η_C”意味着创建“远父”种群。

(3)多项式突变：创建一个近父种群的概率高于创建一个远父种群的概率。概率分布的形状由外部参数直接控制，并且在整个迭代过程中分布保持不变。

(4)选择：通过两个组合服务之间的锦标赛来进行选择。如果两个组合服务在不同的Pareto前沿，选择最低前沿的组合服务。如果两个组合服务在相同的Pareto前沿，则选择具有最大拥挤距离的组合服务。在每次迭代中，N个现有的组合服务(父代)产生N个新的组合服务(子代)。父母与子女都参与锦标赛，优胜者进入下一次迭代。

最终产生全局最优的web服务组合。

Claims (1)

1.一种web服务组合生成方法，其特征在于，该方法包括以下步骤：

1)根据带权重的条件偏好网和用户的定性，确定不同服务组合之间在定性偏好上的优劣性，具体流程为：

首先采用带权重的条件偏好网描述用户的定性偏好，得到wcp-net图，其中wcp-net为加入权重的条件偏好网络；

然后根据wcp-net图计算每个服务的偏离度，将每个服务组合的所有服务的偏离度依次相加，得到各个服务组合的偏离度；

最后将所有服务组合的偏离度，从小到大进行排序，得到服务组合的全排序，从而确定不同服务组合之间在定性偏好上的优劣性；

2)基于帕雷托占优的概念建立各个服务组合在定量偏好上的表征方法，然后获得各个服务组合之间的优劣性排序，具体流程为：

首先对每一项定量偏好上的n个定量偏好值，按照符合用户偏好的程度进行排序，最符合用户偏好的排在最前，最不符合用户偏好的排在最后，从而根据每个定量偏好值的序号i，得到定量偏好值的松弛度i+1；

然后对服务组合中各个服务的各个属性上用户的定量偏好值的松弛度进行累加，得到各个服务组合对用户定量偏好的松弛度；

最后将所有服务组合对用户定量偏好的松弛度，从小到大进行排序，得到服务组合的全排序，从而确定不同服务组合之间在定量偏好上的优劣性；

3)基于单个服务的信任度，并根据服务组合中各个服务之间的连接结构，获得整个服务组合的信任度，具体流程为：

首先根据用户与服务之间的历史交互信息，建立起服务信任度数据库；

然后将服务的组合方式分解成六种原子结构，分别为顺序调用、按概率调用、并行调用、循环调用、同步调用、异步调用；

最后根据所述六种原子结构，对服务组合工作流图进行拓扑排序，在排序的过程中，根据如下方法计算每种原子结构下的服务组合信任度，从而得到整个服务组合的信任度：

顺序调用和循环调用原子结构按照下式计算服务组合信任度：

T_Se＝T_S·T_A

其中T_Se是整个调用结构的信任度，T_S是服务S的信任度，T_A是服务A的信任度；

并行调用和同步调用原子结构按照下式计算服务组合信任度：

$T_{AB}=\frac{{\mathrm{\&omega;}}_1}{{\mathrm{\&omega;}}_1+{\mathrm{\&omega;}}_2}\&CenterDot;T_A+\frac{{\mathrm{\&omega;}}_2}{{\mathrm{\&omega;}}_1+{\mathrm{\&omega;}}_2}\&CenterDot;T_B$

其中T_AB整个调用结构的信任度，T_A是服务A的信任度，T_B是服务B的信任度，ω₁是调用服务A的次数，ω₂是调用服务B的次数；

按概率调用和异步调用按照下式计算服务组合信任度：

T_AB＝P_A·T_A+(1-P_A)·T_B

其中T_AB整个调用结构的信任度，T_A是服务A的信任度，T_B是服务B的信任度，P_A是调用服务A的概率；

4)将用户的定性偏好、定量偏好以及信任度模型设定为多目标优化问题中的各个分目标，采用快速精英非支配排序遗传算法求解三目标优化问题，产生全局最优的web服务组合。