CN105635255A - 数据起源可信性约束下基于skyline的Web服务选择方法 - Google Patents

Abstract

本发明公开了一种数据起源可信性约束下基于skyline的Web服务选择方法。首先，依据数据起源可信性，基于skyline，给出了Web服务选择方法框架；然后，结合QoS数据，通过skyline计算，给出Web服务选择算法。方法包含以下步骤：1)通过Web服务输入数据起源可信度和Web服务流程可信度，获取Web服务的可信度；2)综合QoS数据以及Web服务可信度进行Skyline计算，剔除冗余的候选服务获得skyline服务；3)利用QoS计算模型，对Skyline服务进行计算得到最终的候选集。采用本文的发明方法，从数据起源角度衡量Web服务的可信度，并将Web服务的可信度与QoS数据结合，提出一种基于skyline计算的Web服务选择算法，对Web服务进行筛选和评判，提高了Web服务选择的准确度和效率。

Description

数据起源可信性约束下基于skyline的Web服务选择方法

技术领域

本发明涉及数据起源和Web服务领域，更具体的讲，涉及到Web服务选择领域，提出数据起源可信性约束下基于skyline的Web服务选择方法。从数据起源角度衡量Web服务的可信度，并将Web服务的可信度与QoS数据结合，运用Skyline计算，剔除冗余的Web服务，得到Skyline服务，并对Skyline服务，利用QoS计算模型对QoS属性值进行归一化处理，对Web服务进行筛选和评判。

背景技术

Web服务选择就是指从众多相同功能(即具有相同功能属性)的Web服务中选择出服务质量较高的Web服务，是Web服务组合的必经过程。目前，服务选择研究越来越多，主要依据为QoS，甚少有考虑数据起源可信性。

发明人经研究认为考虑Web服务的起源信息(包括Web服务的输入及Web服务的处理过程)，计算得到Web服务可信度，进行Web服务选择，能够提高选择出来的Web服务质量，对于研究和实践具有重要意义。

本发明针对数据起源可信性约束下Web服务选择的问题，引入Skyline计算，剔除那些被支配的Web候选服务，选择出Skyline服务(即无法再比较优劣的最小Web服务候选集合)。

发明内容

发明目的：针对现有技术中存在的问题，基于QoS的Web服务选择，在数据起源可信性约束条件下，基于skyline，提出了一种Web服务选择方法。首先，给出数据起源可信性约束下基于skyline的Web服务选择方法框架；然后，综合QoS数据以及Web服务可信度，进行Skyline计算，得到Skyline服务，剔除冗余的候选服务；最后，对Skyline服务利用QoS计算模型得到最终的候选集。实验表明，本发明方法提高了Web服务选择的准确度和效率。

技术方案：一种数据起源可信性约束下基于skyline的Web服务选择方法，包含以下步骤：

1)Web服务选择方法框架设计；

2)Web服务选择算法设计。

为了提高选择效率和质量，考虑Web服务的数据起源可信度，基于skyline，提出了一个的Web服务选择方法框架。

框架主要包含三个部分：

(1)基于数据起源的Web服务可信度计算

对Web服务候选集，根据服务流程和输入数据的可信度计算Web服务的可信度，将Web服务可信度作为Web服务选择的因素。Web服务可信度采用公式(1)计算。

T_O＝αT_I+(1-α)T_P(1)

其中，T_I为输入数据的可信度，T_P为Web服务的流程可信度，且0＜α＜1。

对于基本服务而言，不管该服务有没有被调用，T_P都是存在且不变的。而对于合成服务而言，由于其每次执行的流程都不相同，所以，不能用一个定值来表示合成服务的可信度。How起源信息就是Web服务的流程信息，所以，T_P的值与How起源信息有关。

(2)Skyline计算

Skyline计算的目的就在于从海量的候选服务中剔除那些被支配的冗余的候选服务，从而降低服务选择的搜索空间，提高服务选择的运行效率。

根据Web服务可信度和其QoS属性，进行Skyline计算，剔除冗余的候选服务，得到Skylilne服务。

对候选服务集，把每一个Web服务的QoS属性值表示为一个向量，即QoS＝{q₁,q₂,...,q_m}，再结合输出数据可信度T_O，得到一个新的向量TS＝{q₁,q₂,...,q_m,T_O}，对向量TS运用Skyline计算，剔除冗余的Web服务，得到Skyline服务。

定义1Skyline计算：Skyline计算是指从一个给定的d维空间内，选择出那些不被其它任一点所支配(dominate)的点。

其中，支配是指对于点P(P₁,...P_d)和点Q(Q₁,...,Q_d)，如果P_i≥Q_i(≥表示好于或等于)，且P_i＞Q_i(>表示好于)，那么就称P支配Q。

定义2Skyline集合：对于n维数据点集合S＝{S₁,...,S_m}，所有不被其他数据点支配的点构成了Skyline，记为S_k，

定义3服务支配：设存在一个服务类S＝{s₁,s₂}，s₁、s₂为服务类S的两个候选服务，并且对于这两个候选服务都有k个QoS属性。如果s₁(i)≥s₂(i)，且使得s₁(i)＞s₂(i)，那么就有(表示服务支配，即s₁支配s₂)，也就是说，候选服务s₁的QoS中的每一个属性值都要好于或者等于候选服务s₂的QoS值，并且至少有一个QoS属性值是好于s₂的。

定义4Skyline服务：Skyline服务是指在某一服务类中不被其它任一服务所支配的最小候选服务的集合，记为SkyS，

(3)QoS计算

根据用户的QoS非功能性需求，以及处理后的Skyline服务，利用效用函数求得服务选择的结果，并对结果进行排序。

步骤2)在步骤1)的基础上，结合QoS数据，通过skyline计算获得skyline服务。然后，对skyline服务进行QoS计算，得到最终候选集。进一步包含以下步骤：

21)对Web服务候选集，根据服务流程和输入数据的可信度计算Web服务的可信度，将Web服务可信度作为Web服务选择的因素；

22)把每一个Web服务的QoS属性值表示为一个向量，即QoS＝{q₁,q₂,...,q_m}，再结合步骤1)求得Web服务可信度T_O，得到一个新的向量TS＝{q₁,q₂,...,q_m,T_O}，对向量TS运用Skyline计算，剔除冗余的Web服务，得到Skyline服务；

23)对Skyline服务，根据QoS非功能需求，利用效用函数计算多目标优化问题的解，即求得服务最优值，根据计算结果进行排序得到最终服务集；

24)通过测试分析方法的有效性和可行性。

有益效果：实验表明，本文的发明一方面通过Web服务可信度的加入来提高选择的准确度，一方面通过Skyline来提高效率，因此，选择出的Skyline服务集大小相对大一些，且会耗费一些时间，但是在用户满足度上比一般的基于Skyline的QoS服务选择方法有一定程度的提高，验证了本文发明的正确性和有效性。

附图说明

图1为Web服务选择方法框架图；

图2为Skyline服务支配实例；

图3为Web服务选择流程图；

图4为Web服务选择算法实现图；

图5为Skyline服务集对比图；

图6为时间耗费对比图；

图7为满足度对比图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

数据起源可信性约束下基于skyline的Web服务选择方法，在数据起源可信性约束下，基于Skyline，设计了一种Web服务选择方法框架，具体如图1所示。框架主要包含三个部分：

(1)基于数据起源的Web服务可信度计算

对Web服务候选集，根据服务流程和输入数据的可信度计算Web服务的可信度，将Web服务可信度作为Web服务选择的因素。Web服务可信度采用公式(1)计算。

T_O＝αT_I+(1-α)T_P(1)

其中，T_I为输入数据的可信度，T_P为Web服务的流程可信度，且0＜α＜1。

对于基本服务而言，不管该服务有没有被调用，T_P都是存在且不变的。而对于合成服务而言，由于其每次执行的流程都不相同，所以，不能用一个定值来表示合成服务的可信度。

(2)Skyline计算

Skyline计算的目的就在于从海量的候选服务中剔除那些被支配的冗余的候选服务，从而降低服务选择的搜索空间，提高服务选择的运行效率。

根据Web服务可信度和其QoS属性，进行Skyline计算，剔除冗余的候选服务，得到Skylilne服务。

对候选服务集，把每一个Web服务的QoS属性值表示为一个向量，即QoS＝{q₁,q₂,...,q_m}，再结合输出数据可信度T_O，得到一个新的向量TS＝{q₁,q₂,...,q_m,T_O}，对向量TS运用Skyline计算，剔除冗余的Web服务，得到Skyline服务。

定义1Skyline计算：Skyline计算是指从一个给定的d维空间内，选择出那些不被其它任一点所支配(dominate)的点。

其中，支配是指对于点P(P₁,...P_d)和点Q(Q₁,...,Q_d)，如果P_i≥Q_i(≥表示好于或等于)，且P_i＞Q_i(>表示好于)，那么就称P支配Q。

定义2Skyline集合：对于n维数据点集合S＝{S₁,...,S_m}，所有不被其他数据点支配的点构成了Skyline，记为S_k，

定义3服务支配：设存在一个服务类S＝{s₁,s₂}，s₁、s₂为服务类S的两个候选服务，并且对于这两个候选服务都有k个QoS属性。如果s₁(i)≥s₂(i)，且使得s₁(i)＞s₂(i)，那么就有(表示服务支配，即s₁支配s₂)，也就是说，候选服务s₁的QoS中的每一个属性值都要好于或者等于候选服务s₂的QoS值，并且至少有一个QoS属性值是好于s₂的。

定义4Skyline服务：Skyline服务是指在某一服务类中不被其它任一服务所支配的最小候选服务的集合，记为SkyS，

图2给出了一个Skyline服务的例子。本例中，有一个候选服务类，其中包括了7个候选服务，即S＝{s₁,s₂,s₃,s₄,s₅,s₆,s₇}，这些服务的QoS属性只有两个：响应时间和价格(均为负属性，即值越小相应的质量越高)，那么每一个候选服务都可以表示成s_i(x,y)，x表示候选服务的价格，y表示响应时间，这样每一个候选服务可以认为是二维空间内的一个点。

由图2可知，服务s₂的QoS属性高于或等于该服务类中的任一候选服，所以根据服务支配和Skyline服务的定义可知，s₂不会被该服务类中的任何一个候选服务所支配，也就是说，没有一个候选服务的响应时间比s₂的响应时间更短、价格比s₂的价格更低，因此s₂属于Skyline服务，即s₂∈SkyS，同理，候选服务s₅和s₆也都属于Skyline服务，所以，该服务类的Skyline服务为SkyS＝{s₂,s₅,s₆}，而对于剩下的其他服务则被SkyS＝{s₂,s₅,s₆}所支配(s₂服务支配s₁、s₃，s₅服务支配s₄，s₆服务支配s₇)，所以不属于Skyline服务，被剔除出候选服务集合。这样，最终的候选服务数量从7降到了3，剔除了4个冗余服务，降低了服务选择的搜索空间。

(3)QoS计算

根据用户的QoS非功能性需求，以及处理后的Skyline服务，利用效用函数求得服务选择的结果，并对结果进行排序。

Web服务选择算法

1、算法流程

根据Web服务选择方法框架，设计Web服务选择算法，算法流程如图3所示。

2、算法实现

算法具体实现步骤主要有3步，具体如图4所示。

(1)match()：功能选择。根据用户输入的功能需求(输入、输出)，选择出满足要求的候选服务集；

(2)calculateTO()：输出数据可信度计算。对于得到的候选服务集，根据输入数据可信度以及Web服务流程可信度，计算出每一个服务的输出数据可信度，返回计算后的候选服务集；

(3)skylineAndQos()：Skyline计算及QoS选择。对输出数据计算后的候选服务集，设其中的每一个候选服务的QoS属性有m个，那么每一个Web服务的QoS属性值可以表示为一个向量，即QoS＝{q₁,q₂,...,q_m}，再结合步骤(2)中求得的输出数据可信度T_O，得到一个新的向量TS＝{q₁,q₂,...,q_m,T_O}，对向量TS运用Skyline计算，剔除冗余的Web服务，得到Skyline服务(即不被服务类中的其他候选服务所支配的最小服务集)，并对Skyline服务，利用QoS计算模型对QoS属性值进行归一化处理，此时得到的TS向量的每一个分量值都在0到1之间，即TS＝{ts₁,ts₂,...,ts_m+1)，ts_b∈[0,1]；

(4)trustSelectionAndOrder()：可信选择及排序。根据非功能需求，采用整数规划的方法，求解最优的组合服务，即为公式(2)的多目标优化问题的解，并对结果进行排序：

max(组合服务效用函数)：

$\underset{j=1}{\overset{n}{\Σ}}\underset{i=1}{\overset{l}{\Σ}}U\left(s_{ji}\right)\·x_{ji}$

s.t(全局QoS+输出数据可信度约束):

$\left\{\begin{array}{cc}\underset{j=1}{\overset{n}{\Σ}}\underset{i=1}{\overset{l}{\Σ}}{\mathrm{ts}}_m\left(s_k\right)\·x_{ji}\≤C_m,& 1\≤m\≤r\\ \underset{j=1}{\overset{n}{\Σ}}{x}_{ji}=1,& 1\≤j\≤n\end{array}\right.---\left(2\right)$

其中，n为某一组合流程中所涉及的服务类的数量，每一服务类中有l个候选服务，每个服务都有r个TS属性(即有r-1个QoS属性)，其中有m个属性受到约束，约束值为C_m，x_ji表示组合流程中第j个服务类的第i个候选服务s_ji有没有被选择，若x_ji＝1表示第j个服务类选择的是该类中的第i个服务s_ji，否则，表示s_ji没有被选择，U(s_ji)为服务s_ji的效用函数，值为TS各个属性的加权和，即w_b为用户偏好度，ts_b(s_ji)为服务s_ji的TS的第b个属性。

3、算法主要代码

该算法通过对候选服务集进行Skyline计算，得到Skyline服务集，并根据其效用函数，进行排序，进而得到top-k的Skyline服务集(被选择的可能性最大的服务集)。具体算法为：

4、实验与分析

QoS值高的Web服务，其输出数据可信度可能不高；而QoS值低的Web服务，其输出数据可信度可能很高，甚至远远高于QoS值比它高的其他Web服务。所以，输出数据的可信度会影响服务选择的结果，也就是数据起源对服务选择会产生影响。为了验证上述结论，对Web服务集QWS中500个Web服务随机生成组合流程。设Web服务集的输入数据的可信度为一个定值0.7，以表1用户QoS需求以及输出数据可信度(>0.6)为满足度的评判标准，即响应时间、可用性、吞吐量、可成功访问性、可靠性这五个QoS参数以及计算出的输出数据可信度，比较本发明提出的数据起源可信性约束下基于Skyline服务选择方法与一般的基于Skyline的QoS服务选择方法。对于随机抽取的Web服务，计算其Skyline服务集大小以及时间秏费，比较情况分别如图5、图6所示。取k＝20，计算其用户满足度，满足度比较情况如图6所示。

由图5、图6以及图7可知，本文提出的数据起源可信性约束下基于Skyline服务选择方法虽然选择出的Skyline服务集大小相对大一些，且会耗费一些时间，但是在用户满足度上比一般的基于Skyline的QoS服务选择方法有一定程度的提高，验证了本发明提出的服务选择方法的正确性和有效性。

Claims (5)

1.一种数据起源可信性约束下基于skyline的Web服务选择方法，其特征在于，包含以下步骤：

1)Web服务选择方法框架设计；

2)Web服务选择算法设计；

框架主要包含三个部分：

(1)基于数据起源的Web服务可信度计算

对Web服务候选集，根据服务流程和输入数据的可信度计算Web服务的可信度，将Web服务可信度作为Web服务选择的因素。Web服务可信度采用公式(1)计算；

T_O＝αT_I+(1-α)T_P(1)

其中，T_I为输入数据的可信度，T_P为Web服务的流程可信度，且0＜α＜1；

(2)Skyline计算

根据Web服务可信度和其QoS属性，进行Skyline计算，剔除冗余的候选服务，得到Skylilne服务；

对候选服务集，把每一个Web服务的QoS属性值表示为一个向量，即QoS＝{q₁,q₂,...,q_m}，再结合输出数据可信度T_O，得到一个新的向量TS＝{q₁,q₂,...,q_m,T_O}，对向量TS运用Skyline计算，剔除冗余的Web服务，得到Skyline服务。

(3)QoS计算

根据用户的QoS非功能性需求，以及处理后的Skyline服务，利用效用函数求得服务选择的结果，并对结果进行排序。

2.如权利要求1所述的数据起源可信性约束下基于skyline的Web服务选择方法，其特征在于，Skyline计算中：

定义1Skyline计算：Skyline计算是指从一个给定的d维空间内，选择出那些不被其它任一点所支配的点。

其中，支配是指对于点P(P₁,...P_d)和点Q(Q₁,…,Q_d)，如果P_i≥Q_i，且P_i＞Q_i，那么就称P支配Q；

定义2Skyline集合：对于n维数据点集合S＝{S₁,…,S_m}，所有不被其他数据点支配的点构成了Skyline，记为S_k，

定义3服务支配：设存在一个服务类S＝{s₁,s₂}，s₁、s₂为服务类S的两个候选服务，并且对于这两个候选服务都有k个QoS属性；如果s₁(i)≥s₂(i)，且使得s₁(i)＞s₂(i)，那么就有也就是说，候选服务s₁的QoS中的每一个属性值都要好于或者等于候选服务s₂的QoS值，并且至少有一个QoS属性值是好于s₂的；

定义4Skyline服务：Skyline服务是指在某一服务类中不被其它任一服务所支配的最小候选服务的集合，记为SkyS，

3.如权利要求1所述的数据起源可信性约束下基于skyline的Web服务选择方法，其特征在于，步骤2)在步骤1)的基础上，结合QoS数据，通过skyline计算获得skyline服务；然后，对skyline服务进行QoS计算，得到最终候选集。

4.如权利要求3所述的数据起源可信性约束下基于skyline的Web服务选择方法，其特征在于，步骤2)包含以下步骤：

21)对Web服务候选集，根据服务流程和输入数据的可信度计算Web服务的可信度，将Web服务可信度作为Web服务选择的因素；

22)把每一个Web服务的QoS属性值表示为一个向量，即QoS＝{q₁,q₂,...,q_m}，再结合步骤1)求得Web服务可信度T_O，得到一个新的向量TS＝{q₁,q₂,...,q_m,T_O}，对向量TS运用Skyline计算，剔除冗余的Web服务，得到Skyline服务；

23)对Skyline服务，根据QoS非功能需求，利用效用函数进行计算并排序。

5.如权利要求4所述的数据起源可信性约束下基于skyline的Web服务选择方法，其特征在于，根据QoS非功能需求，利用效用函数进行计算并排序；即根据非功能需求，采用整数规划的方法，求解最优的组合服务，即为公式(2)的多目标优化问题的解，并对结果进行排序：

max(组合服务效用函数)：

$\underset{j=1}{\overset{n}{\Σ}}\underset{i=1}{\overset{l}{\Σ}}U\left(s_{ji}\right)\·x_{ji}$

s.t(全局QoS+输出数据可信度约束):

$\left\{\begin{array}{cc}\underset{j=1}{\overset{n}{\Σ}}\underset{i=1}{\overset{l}{\Σ}}{\mathrm{ts}}_m\left(s_{ji}\right)\·x_{ji}\≤C_m,& 1\≤m\≤r\\ \underset{j=1}{\overset{n}{\Σ}}{x}_{ji}=1,& 1\≤j\≤n\end{array}\right.---\left(2\right)$

其中，n为某一组合流程中所涉及的服务类的数量，每一服务类中有l个候选服务，每个服务都有r个TS属性(即有r-1个QoS属性)，其中有m个属性受到约束，约束值为C_m，x_ji表示组合流程中第j个服务类的第i个候选服务s_ji有没有被选择，若x_ji＝1表示第j个服务类选择的是该类中的第i个服务s_ji，否则，表示s_ji没有被选择，U(s_ji)为服务s_ji的效用函数，值为TS各个属性的加权和，即w_b为用户偏好度，ts_b(s_ji)为服务s_ji的TS的第b个属性。