CN110209889A - 一种服务互联网的动态服务需求模式匹配方法 - Google Patents

一种服务互联网的动态服务需求模式匹配方法 Download PDF

Info

Publication number
CN110209889A
CN110209889A CN201910462115.5A CN201910462115A CN110209889A CN 110209889 A CN110209889 A CN 110209889A CN 201910462115 A CN201910462115 A CN 201910462115A CN 110209889 A CN110209889 A CN 110209889A
Authority
CN
China
Prior art keywords
demand
service
model
demand model
user
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.)
Pending
Application number
CN201910462115.5A
Other languages
English (en)
Inventor
李小平
叶颉卿
陈龙
李文政
朱夏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910462115.5A priority Critical patent/CN110209889A/zh
Publication of CN110209889A publication Critical patent/CN110209889A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种服务互联网的动态服务需求模式匹配方法，用户的需求可建模生成由节点和边组成的需求实例图，将其与需求模式库进行比对，如果存在完全相同的模式，则可通过服务模式与用户之间的静态关联关系得到匹配；如果不存在完全相同的模式，则取与该需求实例图相似度最高的需求模式，并将需求实例图中与该需求模式互补的部分作为个性化需求。组合个性化需求可能涉及到的服务资源，利用线性回归选定其中匹配度最高的服务集，并与静态匹配结果合并作为需求最终的服务匹配结果。本发明通过发明把服务在线动态地分配给用户的个性化需求，优化了需求与服务之间匹配的准确性和效率。

Description

一种服务互联网的动态服务需求模式匹配方法
技术领域
本发明涉及大服务技术领域，特别涉及一种服务互联网的动态服务需求模式匹配方法。
背景技术
大服务是一种大数据系统的融合和协作，它为解决大数据带来的挑战提供了坚实的解决方案。我们接触到的数据规模很大，并且来源比较宽泛，包括在现实世界产生的物理数据，以及在网络空间的行为产生的网络数据等等。一般而言，服务和数据之间有着双向关系，一方面服务的运行依赖于底层的数据，数据驱动和支撑着应用服务；另一方面，尽管数据有着多样性和不确定性等特点，但服务可以加速数据的处理，对数据进行过滤和优化，并以此进行提高适应性和延展性。
现代服务业领域具有多层次、多种类、范围广的特点，包括生产性服务业、新兴服务业、科技服务业等，其中这些服务业又可再细分为电子商务、现代物流、数字生活服务、数字文化服务等，从而形成了服务的多层平面结构。此外，众多的服务、领域、业务流程和规则之间相互依赖，有着密不可分的联系，并组成了一个庞大复杂的服务生态，这种融合和协作的生态系统称为大服务。
服务互联网(IoS, Internet of Services)是大服务的网络化形式。在IoS中，任何对象都可以作为一种服务在互联网上获得。服务作为一种封装的功能实体，包含服务提供者和客户的交互过程，并通过在网络上的分布、虚拟化和聚合，以满足客户的需求和为客户创造价值。
服务的本质是一个过程，包含三个要素，分别为供方、需方和供需双方之间的匹配。供方虽能提供平台、资源和服务，但是分散、封闭和垄断是不可避免的现象，具体表现为平台异构多样化、资源分散专业化，以及服务激增片段化。此外用户的需求也具有海量和个性化的特征，因此供需双方之间的匹配存在着难点。
目前，有两种主要的解决方法；一是动态规划求解，将客户的个性化需求分解成更具体的需求，通过具体的服务满足这些分解后的需求，这些服务对相应的后台服务提出进一步的需求，进而形成一个动态服务能力需求的传导链。从当前步骤出发的最优策略是本步骤的最优选择及后续步骤的最优选择的组合，可用动态规划的思想求解；二是使用基于动态信任语义库的服务匹配算法，通过可信实体与服务提供者的交互行为，推理服务提供者所描述服务中的关键语义信息，替换原先的模糊语义或者代指概念，并将替换后的服务向量与服务请求者的请求向量进行语义匹配度计算，记录满足阈值要求的服务返回给用户。
发明内容
本发明的目的是为了解决上述问题，提供一种服务互联网的动态服务需求模式匹配方法，利用需求和服务之间的关联，做到需求模式与服务资源的动态匹配，以便快速精准地满足用户的个性化需求。
为达到上述目的，本发明采用的方法是：一种服务互联网的动态服务需求模式匹配方法，其特征在于，包括以下步骤：
A .接收需求r的任务调用，通过节点和边对需求进行建模，形成需求实例图G；
B .将这一需求实例图与需求模式库进行比对，如果存在完全一致的需求模式，则返回其对应的服务匹配结果；如果不存在完全相同的需求模式，转步骤C；
C .根据比对过程中同步记录的相似度，取相似度最高的需求模式图Gp, p对应需求模式，记G’ = G - Gp，并将G’对应的需求r’设为个性化需求；
D .从需求模式库中选取一定数量的与G’相似的需求模式，并组合这些需求模式对应的服务，形成候选服务集；
E .利用线性回归预测候选服务集中服务的匹配度，选取匹配度最高的服务集作为个性化需求r’的匹配结果;
F .对需求模式p和个性化需求r’的匹配结果进行合并。
作为本发明的一种优选，所述的需求实例是用户提出的，表达为用户所需的服务集合，将其中每个子需求用节点表示，再根据子需求之间相互约束或依赖的关联关系，将各节点进行连线，从而形成需求实例图。
作为本发明的一种优选，所述的需求模式是通过分析大规模个性化用户需求，深度挖掘和分析用户历史记录或历史业务流程，从典型的需求声明片段中提取和定义频繁出现的用户需求片段，表示为在众多需求实例图之间存在的公共子图。
作为本发明的一种优选，所述的需求模式库是已有的需求模式的集合。
有益效果：
本发明通过发明把服务在线动态地分配给用户的个性化需求，优化了需求与服务之间匹配的准确性和效率。
附图说明
图1是本发明实施例中动态服务匹配的流程图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，本实施例在以本发明技术方案为前提下进行实施，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。
如图1所示，本实施例公开了一种服务互联网的动态服务需求模式匹配方法，包括以下步骤：
步骤s201，将接收到的需求r整体视为只有一个节点的抽象层，即第0层；
步骤s202，判断是否到达最大或最底层级max_layer，如果是，则转步骤s203；如果否，则对该层(记为i层)的每个节点都进行分解，得到i+1层的子需求集合seti+1 = {r0, r1,..., rn-1}；
步骤s203，需求分解的结果是一个多层的图G，从第0层开始将图G与需求模式库进行比对，得出比对的相似度。如果存在完全一致的需求模式，则返回对应的匹配结果；如果不存在完全相同的模式，则在该层取相似度最高的需求模式p和其对应的服务匹配结果result0，并记G’ = G - Gp，将互补图G’对应的需求r’设为个性化需求；
图G1和G2的最大公共子图和相似度定义如下：
最大公共子图：已知两个图结构G1和G2，如果存在另一图结构g，满足g⊆G1且g⊆G2，并且不存在图结构g’(g’⊆G1且g’⊆G2)使得|g’| > |g|，则称g是G1和G2的最大公共子图，记为mcs(G1, G2)；
相似度sim(G1, G2)的定义可由公式表示：
其中β为常数，其值可调整，wij和wi’j’表示两条相同边（图G1中的eij和图G2中的ei’j’）上的权重；
步骤s204，取候选服务集规模为size，从需求模式库中选取与G’相似的需求模式，并组合这些需求模式对应的服务，作为候选服务集；
步骤s205，对于候选服务集中的每个服务si = (a0, a1, ..., ak-1)存在k个匹配度属性，通过线性回归计算各属性的回归系数，并建立回归方程；
步骤s206，取匹配度最高的服务集作为个性化需求r’的服务匹配结果result1；
步骤s207，将result1与需求模式p的匹配结果result0进行合并，结果记为result，result即为需求r的服务匹配结果。
本发明方案所公开的技术手段不仅限于上述技术手段所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种服务互联网的动态服务需求模式匹配方法，其特征在于，包括以下步骤：
A .接收需求r的任务调用，通过节点和边对需求进行建模，形成需求实例图G；
B .将这一需求实例图与需求模式库进行比对，如果存在完全一致的需求模式，则返回其对应的服务匹配结果；如果不存在完全相同的需求模式，转步骤C；
C .根据比对过程中同步记录的相似度，取相似度最高的需求模式图Gp, p对应需求模式，记G’ = G - Gp，并将G’对应的需求r’设为个性化需求；
D .从需求模式库中选取一定数量的与G’相似的需求模式，并组合这些需求模式对应的服务，形成候选服务集；
E .利用线性回归预测候选服务集中服务的匹配度，选取匹配度最高的服务集作为个性化需求r’的匹配结果;
F .对需求模式p和个性化需求r’的匹配结果进行合并。
2.根据权利要求1所述的一种服务互联网的动态服务需求模式匹配方法，其特征在于：所述的需求实例是用户提出的，表达为用户所需的服务集合，将其中每个子需求用节点表示，再根据子需求之间相互约束或依赖的关联关系，将各节点进行连线，从而形成需求实例图。
3.根据权利要求1所述的一种服务互联网的动态服务需求模式匹配方法，其特征在于：
所述的需求模式是通过分析大规模个性化用户需求，深度挖掘和分析用户历史记录或历史业务流程，从典型的需求声明片段中提取和定义频繁出现的用户需求片段，表示为在众多需求实例图之间存在的公共子图。
4.根据权利要求1所述的一种服务互联网的动态服务需求模式匹配方法，其特征在于：所述的需求模式库是已有的需求模式的集合。
CN201910462115.5A 2019-05-30 2019-05-30 一种服务互联网的动态服务需求模式匹配方法 Pending CN110209889A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910462115.5A CN110209889A (zh) 2019-05-30 2019-05-30 一种服务互联网的动态服务需求模式匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910462115.5A CN110209889A (zh) 2019-05-30 2019-05-30 一种服务互联网的动态服务需求模式匹配方法

Publications (1)

Publication Number Publication Date
CN110209889A true CN110209889A (zh) 2019-09-06

Family

ID=67789579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910462115.5A Pending CN110209889A (zh) 2019-05-30 2019-05-30 一种服务互联网的动态服务需求模式匹配方法

Country Status (1)

Country Link
CN (1) CN110209889A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103581309A (zh) * 2013-10-22 2014-02-12 华中科技大学 一种基于需求的动态服务组合与选择方法和系统
CN103646061A (zh) * 2013-12-02 2014-03-19 东南大学 面向服务的需求分析方法
CN107368549A (zh) * 2017-06-30 2017-11-21 华中科技大学鄂州工业技术研究院 基于深度学习的个性化政务服务推荐方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103581309A (zh) * 2013-10-22 2014-02-12 华中科技大学 一种基于需求的动态服务组合与选择方法和系统
CN103646061A (zh) * 2013-12-02 2014-03-19 东南大学 面向服务的需求分析方法
CN107368549A (zh) * 2017-06-30 2017-11-21 华中科技大学鄂州工业技术研究院 基于深度学习的个性化政务服务推荐方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王朔: "客户需求模式与服务模式的双边映射与演化分析", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑（月刊）》 *

Similar Documents

Publication Publication Date Title
US9535897B2 (en) Content recommendation system using a neural network language model
Li et al. A new QoS-aware web service recommendation system based on contextual feature recognition at server-side
CN106776881A (zh) 一种基于微博平台的领域信息推荐系统及方法
CN110659744A (zh) 训练事件预测模型、评估操作事件的方法及装置
CN111199474B (zh) 一种基于双方网络图数据的风险预测方法、装置和电子设备
Lee et al. Location-based web service QoS prediction via preference propagation for improving cold start problem
CN112182424A (zh) 一种基于异构信息和同构信息网络融合的社交推荐方法
CN107291840A (zh) 一种用户属性预测模型构建方法和装置
Brito et al. An iterative local search approach applied to the optimal stratification problem
JP2023543150A (ja) 製品設計のための表現的機械学習方法、システム、プログラム
US20210319026A1 (en) Defining attribute feature vectors for matching data entities
Zhao et al. Assessment of recommendation trust for access control in open networks
CN105354339B (zh) 基于上下文的内容个性化提供方法
Kim et al. Probabilistic model estimation for collaborative filtering based on items attributes
CN110019751A (zh) 机器学习模型修改和自然语言处理
Mu et al. Auxiliary stacked denoising autoencoder based collaborative filtering recommendation
CN112257959A (zh) 用户风险预测方法、装置、电子设备及存储介质
binti Oseman et al. Data mining in churn analysis model for telecommunication industry
CN110209889A (zh) 一种服务互联网的动态服务需求模式匹配方法
US20230177277A1 (en) Contextual dialogue framework over dynamic tables
Dutta et al. Aggregation of heterogeneously related information with extended geometric Bonferroni mean and its application in group decision making
Chong et al. Deep learning based semantic ontology alignment process and predictive analysis of depressive disorder
US11410064B2 (en) Automated determination of explanatory variables
Eisenstadt et al. Autocompletion of Floor Plans for the Early Design Phase in Architecture: Foundations, Existing Methods, and Research Outlook
Wang Retracted: Multi‐data multiple gray clustering analysis based on layered mining for ubiquitous clouds and social internet of things

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190906

RJ01 Rejection of invention patent application after publication