基于用戶偏好的可信QoS服務選擇方法

齊 軒，劉茜萍

(南京郵電大學 計算機學院，江蘇 南京 210003)

基于用戶偏好的可信QoS服務選擇方法

齊 軒，劉茜萍

(南京郵電大學 計算機學院，江蘇 南京 210003)

隨著越來越多的用戶和服務參與到服務計算中，服務選擇變得更重要，而基于可信QoS完成服務選擇已成為一個日趨重要的研究課題。脫離目標用戶偏好的可信QoS求取往往難以為該用戶提供符合真實感觀的選擇依據。文中主要基于目標用戶偏好進行可信QoS服務選擇方法的研究。首先引入服務多屬性評分和目標用戶偏好，根據歷史用戶評分的偏離度來衡量歷史用戶同目標用戶之間的信任度(參考度)，將歷史用戶中評分可信度較低的用戶篩選出去，剩余用戶即是可信用戶。然后基于服務的基準評價向量和可信用戶評價向量進行相似度計算以決定各可信用戶的參考權重，再結合參考權重求出各候選服務的最終QoS評分值以供目標用戶選擇。最后給出一個具體實例以說明該方法的有效性和可行性。

用戶偏好；用戶評價；服務選擇；可信QoS

0 引 言

服務計算作為一種新興分布式計算技術[1]，應用日益廣泛。在服務資源飛速增長的今天，大量提供相似功能又具備不同非功能屬性服務的不斷涌現，給用戶提供了越來越大的選擇空間[2-3]。然而由于各種原因形成的對服務QoS的不實描述使得用戶難以根據真實可信的QoS準確選擇符合自己需求的可用服務。如何從大量服務中挑選出切實滿足用戶需求的服務，成為當前服務選擇領域的重要方向。

目前服務選擇已取得了大量卓有成效的研究成果。文獻[4]提出一個基于聚合不同Web服務的多屬性QoS參數的查詢優化模型;文獻[5]提出一種基于全局QoS約束分解的動態服務選擇方法;文獻[6]提出以消費者為中心的QoS感知模糊相似聚類算法;文獻[7]提出一種綜合考慮主客觀權重的Web服務QoS度量算法;文獻[8]提出一種考慮QoS動態變化的服務選擇方法。也有許多學者從不同層面、不同角度對可信QoS進行了大量研究，提出了各種QoS的可信評價模型和評價方法。文獻[9]提出一種基于QoS與可信度融合的Web服務選擇機制；文獻[10]提出資源服務可信QoS評價制造網格系統模型;文獻[11]在面向服務的環境中，提出支持QoS感知服務選擇的量化信任管理體系；文獻[12]提出基于貝葉斯網絡的服務選擇的信任方法。然而他們都忽略了目標用戶偏好在服務選擇時的影響。基于用戶偏好去充分挖掘用戶評價信息可以針對目標用戶對歷史評價進行精確地分析和定位，從而得到更符合目標用戶感觀的可信服務評價，以最終選出能真實滿足用戶需求的服務。

為此，文中提出一種基于用戶偏好的可信QoS服務選擇方法。在服務擁有相同功能屬性的前提下，基于已使用過候選服務的用戶反饋的服務評價向量以及目標用戶的偏好信息，剔除一些對目標用戶而言參考價值較小的用戶，然后在計算相似度的基礎上，進行候選服務最終QoS評分值預估，以完成針對目標用戶的服務選擇。

1 相關工作

近年來，國內外學者對基于QoS的服務選擇進行了大量研究并取得了不錯的研究成果。蔣哲遠等[4]通過計算服務中多個QoS屬性的期望值與實際值差值的加權和，得到該服務的服務等級，并將服務等級引入到服務選擇中以獲得最優服務。王尚廣等[5]通過基于模糊邏輯的自適應調整方法和自適應粒子群優化算法，將全局QoS約束自適應地分解為滿足用戶偏好的局部約束,然后利用局部最優獲得最合適的服務。Lin等[6]從用戶消費服務之后的反饋意見中提取QoS信息，并以此計算模糊相似度以完成服務選擇。馬友等[7]利用自適應用戶偏好的主觀權重計算方法和服務潛能保障的客觀權重計算方法，從主、客觀兩個角度進行QoS度量，以保障度量結果在符合用戶偏好的基礎上能準確地反映服務整體性能。孫若男等[8]引入QoS分時可靠的思想，將作為選擇依據的QoS數值根據以往的服務執行情況給出不同時段上的不同表現數值，這樣可以更加貼合地描述服務運行的實際情況。

然而，以上基于QoS的服務選擇方法忽略了對服務進行可信性分析研究。為此，巫茜等[9]借助對服務可信度的綜合評估，通過第三方服務質量監控數據，從主、客觀兩個方面考慮Web服務選擇，提出基于QoS與可信度融合的Web服務選擇模型。Tao Fei等[10]研究兩層資源服務可信QoS評價模型，包括域內和域間可信QoS評價模型。Yukyong Kim等[11]基于QoS支持服務發現和選擇的可信管理模型，針對動態服務發現和選擇，定義了一個量化的可信評價模型。Mehdi M等[12]基于貝葉斯網絡，設計出一個概率統計方法去計算在線設置的QoS信任度。Kritikos K等[13]基于語義QoS感知的服務發現方法，根據QoS屬性在服務管理中扮演的角色對信任度進行劃分，并給出信任度的計算方法。

上述研究從各個層面探討了QoS的可信評價及其選擇方法，不過針對某執行服務選擇的目標用戶而言，其對QoS的相關偏好對可信QoS評價的可能影響卻未有提及。在基于歷史用戶服務評價進行服務選擇時，結合目標用戶的偏好進行可信QoS評估，將有助于選出更適合目標用戶需求的服務。

文中重點針對需要進行服務選擇操作的目標用戶在QoS各屬性上的偏好，在綜合分析候選服務歷史用戶所反饋評價的基礎上，計算得出那些對目標用戶參考價值較小的用戶，將其評價結果作廢，從而篩選出值得目標用戶參考的可信用戶，為選擇出符合目標用戶個性化需求的服務提供較為準確有效地數據支持，進而在計算可信用戶評價向量與服務基準向量的相似度基礎上，綜合得出各候選服務的最終QoS評分值，實現目標用戶的服務選擇。

2 基于用戶偏好的可信用戶獲取

要為某目標用戶在海量功能一致的候選服務中選擇一個既滿足功能要求又具有較高服務質量的服務，需要用戶準確描述自己的個性化偏好需求，同時候選服務的質量描述也至關重要。服務提供商自行發布的QoS數據因為有意或無意更改服務質量等原因，往往并不符合用戶的真實感受。為此，基于目標用戶的偏好描述對候選服務的若干歷史評價描述進行處理，從中甄別出具有參考價值的用戶評價并進一步得出相對于目標用戶的可信QoS值。

2.1 歷史用戶評價和目標用戶偏好描述

基于用戶偏好的可信服務選擇將為目標用戶對若干候選服務的歷史評價進行一定處理，在結合目標用戶偏好的基礎上從使用過候選服務的參考用戶所反饋的評價中得出各服務的可信QoS描述，并進一步為其選擇較優服務。下面給出該過程的若干相關定義。

定義1(S,Q,U)：S={si|1≤i≤n}表示參與綜合評估過程的初始服務集合，si是第i個服務;Q={qi|1≤i≤m}表示QoS屬性集合,qi為服務的第i個屬性;U={ui|1≤i≤l}表示歷史用戶集，ui是第i個使用過相關服務的用戶。

QoS是服務選擇過程中進行服務評估和選擇的重要依據。服務的QoS信息可通過若干屬性進行描述，選擇服務的質量評判標準不一樣，組成QoS的屬性也不一樣[14]。文中并沒有給出具體的QoS屬性分類，而是以抽象符號代表各種可能的QoS屬性。這里的歷史用戶是指以前已經使用過候選服務的用戶，他們在使用之后會對其給出相應評價。基于這些歷史用戶評價，經過相應的計算和處理，對目標用戶參考價值較小的用戶評價將會被剔除。這里給出相關評價定義。

SU中的評價數據有助于進一步確定哪些用戶是相對于目標用戶有參考價值的用戶(可信用戶)，只有可信用戶才會對目標用戶的選擇有參考價值。在確定可信用戶的過程中，需要基于目標用戶的偏好進行推算篩選，最終保留的用戶才被稱為可信用戶。

可以基于目標用戶偏好w對SU中不可信評價進行迭代篩除，從而得出最終的可信用戶，進而確定候選服務最終的可信QoS評分值。

2.2 基于目標用戶偏好的可信用戶提取

基于候選服務的若干歷史用戶評價向量以及目標用戶的實際偏好，可以得出每個歷史用戶對各候選服務的綜合評分值。對某候選服務而言，如果一個歷史用戶在目標用戶偏好導向下的綜合評分值和其他歷史用戶偏離較大，則認為該評價向量參考意義不大。若一個歷史用戶給出了較多偏離評價，則該用戶對目標用戶而言即為非可信用戶。

為了從若干歷史用戶中提取出可信用戶，首先，需要基于目標用戶偏好，計算出每個歷史用戶評價的一個綜合評分值，該值是后期進行用戶可信評價判定的一個重要參數。具體計算公式為：

(1)

其中，suwij表示歷史用戶ui根據目標用戶提供的相應偏好w計算出對服務sj的綜合評分值。

對于每個服務，肯定會有很多人去使用，利用式(1)基于目標用戶的偏好權重計算出歷史用戶對每個候選服務的綜合評分值，利用各歷史用戶的綜合評分值確定出綜合評分值所集中的范圍，此范圍可以基本代表此服務的預估評分。在這里，就是需要找出一些異常的綜合評分值，即一些較高或較低的極端綜合評分值，這些值的存在無疑會對候選服務造成一定的影響。首先對各候選服務的綜合評分值求出均值，此均值可以反映出綜合評分值集中出現區域的軸心值，距離軸心值超過一定距離的綜合評分值所對應的歷史用戶會被記錄一次，其中一定距離就是所規定的閾值。

按照這種方法，對其他服務也進行類似的處理。這個過程處理完成后，遍歷各歷史用戶被記錄的次數。如果某些用戶被記錄次數超過一定的數值，說明針對目標用戶的實際偏好而言，該用戶往往不能給出符合大眾評分的評價，相對參考價值較小，因而將這些用戶從歷史用戶集中刪除，以完成對歷史用戶的一次篩選。

僅憑一次篩選不能完全挖掘出那些參考價值較小的用戶，剩余的用戶比較接近可信用戶的范圍，但是這些剩余用戶的綜合評分值的區域軸心值也相應發生了變化。剩余用戶可能距離此處的區域軸心值有較大的差距，所以或許也會被識別為參考價值較小的用戶，在下一次篩選中被認為是不可參考用戶。因此必須進行迭代執行，確保最終剩余下來的用戶被記錄的次數都控制在一定數值之內，都是對目標用戶參考價值較大的可信用戶。接下來對剩余用戶重新按照上述方法繼續迭代執行，直到沒有不可參考用戶存在為止。這樣迭代執行完成，剩余用戶就是要得出的可信用戶集。

具體算法如下所示：

輸入：w,SU,t1,t2。其中，t1表示各服務綜合評分值的偏離閾值；t2表示用戶最多被記錄的次數；

輸出：U',l'。其中，U'表示可信用戶集；l'表示可信用戶個數。

seta[l]={0}; //數組a[]是用來記錄用戶ui出現非參考評價的次數

l'←l,l''←l'

foreachSUi∈SU

calculatesuwijby(1);

while(l'!=l'') //當可信用戶數目保持不變時，說明可信用戶已經確定

foreachsi∈S//求出各候選服務的綜合評分值對應的均值

M←0.000 0;

foreachui∈U'

M+=suwij;

Avej=M/l'

foreachsi∈S//遍歷數組a[]剔除不可參考用戶

foreachui∈U'

l''←l';

foreachui∈U'

ifa[i]≥t2

l'--; //歷史用戶減少

deleteuifromU'

通過此算法的執行，最終輸出的是相對目標用戶來說比較可信的用戶。因為在算法的執行過程中，一些不可參考用戶被系統自動刪除，從而降低其對目標用戶進行服務選擇時所造成的不必要的影響。這里得出的可信用戶給出的QoS評價向量即是相對可信的，接下來可以基于這些可信QoS評價向量為目標用戶提供參考選擇。

3 基于可信用戶集的服務選擇方法

第二節篩選出了可信用戶集，可以基于這些可信用戶的評價向量去深度挖掘候選服務潛在的參考價值，選出較滿足目標用戶的服務。首先需要計算可信用戶集里的用戶評價向量和目標用戶的服務基準向量的差異性，差異性越小，那么這個可信用戶的服務評價向量對目標用戶的參考權重就越大。然后再結合可信用戶的服務評價向量以及參考權重計算出該候選服務的最終QoS評分值，最后據此選出最適合目標用戶的服務。步驟如下所示：

Step1：基準評價向量計算。

(2)

Step2：歷史評價向量與基準評價向量間的相似度計算。

對某一候選服務而言，可以對各可信用戶的評價向量和服務的基準評價向量進行相似度計算。這里相似度的大小就是差異性大小的表示，相似度越大，差異性就越小；相似度越小，差異性就越大。文中使用向量距離法計算相似度。每個候選服務的用戶評價向量的各分量可以視為空間的一個點，相似程度可以通過計算它們的歐幾里得距離來度量。為了正確度量和便于計算，限定相似度的取值范圍在[0,1]區間內。相似度越接近1，相似程度越大。下面給出用戶ui(ui∈U')對sj的歷史評價suij與ej的相似度計算公式：

(3)

Step3：候選服務最終評分值計算。

由于已知可信用戶集里的用戶評價向量與服務基準向量的相似程度，根據其相似度所占相似度之和的比例，得出其可信用戶的服務評價向量對于此服務最終QoS評分值的計算擁有多大的權重，然后根據所占權重計算出候選服務最終QoS評分值。按照如下公式計算出候選服務中第j個服務的QoS評分值：

(4)

其中，QoSj表示第j個服務的QoS值。

相似度高的可信用戶，其評價向量就在計算最終QoS評分值中具有更高的權重。由式(4)可以得出每個候選服務的QoS評分值，對各候選服務QoS評分值進行排序，其中最大分值服務則是相對更能真實滿足目標用戶偏好需求的服務。

4 實例分析

首先給出目標用戶的偏好權重w={0.5,0.3,0.2}。這里假設有10個候選服務(用sj表示)和10位已使用過這些服務的用戶(用ui表示)，見圖1。

圖1 實驗數據

根據圖1所示的數據，接下來實現可信用戶集的求取。利用式(1)進行計算，得出歷史用戶對于候選服務的綜合評分值，這里以候選服務s1為例：10個用戶對于候選服務s1的綜合評分值：su11=7*0.5+8*0.3+7*0.2=7.3。依次求取剩余服務的綜合評分值為7.6,7.4,6.9,7.2,7.7,7.3,7.6,6.5,7.3，則平均值為7.28。

依次將各綜合評分值和均值相比較，如果相差在0.6以上(閾值設定需要依據現實情況，實驗數據表明各用戶的值與均值相比較多數相差在0.6左右，所以就取0.6作為閾值)，就將此綜合評分值對應的歷史用戶記錄一次。su11與均值7.28相差在0.6范圍內，所以就不需要被記錄。按照如上方法，對其余的候選服務進行同樣的操作，當在候選服務s3,s4,s6,s7,s9,s10時，對應的綜合評分值均值分別為7.27，7.13，6.95，6.93，7.47，發現對于u1來說，su31,su41,su61,su71,su91,su101與s3,s4,s6,s7,s9,s10均值相差在0.6及以上，應分別被記錄一次，故a[1]=6。

同樣的方法可得到：a[2]=2，a[3]=5，a[4]=1，a[5]=1，a[6]=4，a[7]=2，a[8]=4，a[9]=1，a[10]=1。在遍歷a數組的時候，發現a[1]，a[3]，a[6]，a[8]超出閾值4(這里的一定數值和候選服務的數量有關，參考平常所說的及格線，即60%及格線，也就是如果有10個服務的話，那么這個用戶被記錄的次數小于4次就達到了及格，4就是此處的一定的數值)，所以將用戶u1,u3,u6,u8剔除，且他們對應的服務評價向量全部設置為0。將他們剔除，無形中就增加了剩余歷史用戶對服務評價的可信程度。

按照同樣的方法分別對其余候選服務進行計算，得出其對應的最終QoS評分值：QoS2=7.16,QoS3=7.30,…,QoS10=7.91。

最后根據各候選服務的QoS評分值按照從大到小的順序排序，將QoS評分值最大的候選服務s10提供給目標用戶，這個服務可以最大限度地滿足目標用戶的偏好。

5 結束語

文中提出一種基于用戶偏好的可信QoS服務選擇方法。首先基于候選服務的若干歷史用戶評價向量以及目標用戶的實際偏好，可以得出每個歷史用戶對各候選服務的綜合評分值，將該綜合評分值與候選服務評分均值進行比較，以此剔除一些對目標用戶參考價值較小的用戶，進而增加了候選服務的用戶評價可信性。接著求出每個服務的基準向量，用篩選后的可信用戶的服務評價向量與對應服務基準向量進行相似度計算，根據其相似度權重得出最終QoS評分值。最后，給出實例對文中方法的有效性和可行性進行了驗證。結果表明，針對用戶偏好對用戶評價進行QoS綜合評定以完成服務選擇，能選擇出更真實符合用戶需求的服務。下一步工作中，將結合數理統計理論對文中靜態經驗閾值的動態調整方法進行深入研究。

[1]YinR.StudyofcomposingwebservicebasedonSOA[C]//Proceedingsofthe2ndinternationalconferenceongreencommunicationsandnetworks.Berlin:Springer,2013:209-214.

[2]GorbenkoA,KharchenkoV,PopooP,etal.Developmentofdependablewebservicesoutofundependablewebcomponents[R].[s.l.]:[s.n.],2004.

[3] 曹利培,李愛玲,劉 靜.基于QoS的兩階段Web服務選擇方法[J].計算機工程與設計,2009,30(3):747-751.

[4] 蔣哲遠,韓江洪,王 釗.動態的QoS感知Web服務選擇和組合優化模型[J].計算機學報,2009,32(5):1014-1025.

[5] 王尚廣,孫其博,楊放春.基于全局QoS約束分解的Web服務動態選擇[J].軟件學報,2011,22(7):1426-1439.

[6]LinWeili,LoChi-chun,ChaoKuoming,etal.Fuzzysimilarityclusteringforconsumer-centricQoS-awareselectionofwebservices[C]//Proceedingsofinternationalconferenceoncomplex,intelligentandsoftwareintensivesystems.Fukuoka:IEEE,2009:904-909.

[7] 馬 友,王尚廣,孫其博,等.一種綜合考慮主客觀權重的Web服務QoS度量算法[J].軟件學報,2014,25(11):2473-2485.

[8] 孫若男,張 斌,趙秀濤,等.一種考慮QoS動態變化的服務選擇方法[J].計算機科學,2011,38(12):100-105.

[9] 巫 茜,周 慶.基于QoS與可信度融合的Web服務選擇機制研究[J].計算機科學,2012,39(7):108-111.

[10]TaoFei,HuYefa,ZhouZude.Applicationandmodelingofresourceservicetrust-QoSevaluationinmanufacturinggridsystem[J].InternationalJournalofProductionResearch,2009,47(6):1521-1550.

[11]KimY,DohKG.QuantitativetrustmanagementtosupportQoS-awareserviceselectioninservice-orientedenvironments[C]//ProcofIEEEinternationalconferenceonparallelanddistributedsystems.[s.l.]:IEEE,2013:504-509.

[12]MehdiM,BouguilaN.AQoS-basedtrustapproachforserviceselectionandcompositionviabayesiannetworks[C]//Procof20thinternationalconferenceonwebservices.[s.l.]:[s.n.],2013:211-218.

[13]KritikosK,PlexousakisD.RequirementsforQoS-basedwebservicedescriptionanddiscovery[J].IEEETransactionsonServiceComputing,2009,2(4):320-337.

[14] 吳 健,陳 亮,鄧水光,等.基于Skyline的QoS感知的動態服務選擇[J].計算機學報,2010,33(11):2136-2146.

Trusted QoS Service Selection Based on User Preference

QI Xuan，LIU Xi-ping

(School of Computer,Nanjing University of Posts and Telecommunications,Nanjing 210003,China)

It is more important to perform service selection as increasingly more users and services are involved in service computing.Service selection based on trusted QoS has become an increasingly important research topic.Trusted QoS evaluation without considerations on preference of target user is often difficult to provide the real and reliable selection support satisfying the user’s requirement.It explores the study on trusted QoS service selection based on the target user’s preference in this paper.The service multi-attribute rating and the preference of the target user is introduced firstly,use of the deviation of user ratings to measure trust between history users and target users.Filtering out the lower trust history user from history users,the remaning are trusted ones.The similarity between existed trusted user evaluation and the benchmark of a candidate service is computed to determine the reference weight.The final QoS score of each candidate service is obtained for target user to select based on the preference of target user and trusted QoS evaluation with reference weights.Finally,a case study is given to illustrate the effectiveness and feasibility of this method.

user preferences;user evaluation;service selection;trusted QoS

2015-11-15

2016-03-09

時間：2016-06-22

國家自然科學基金資助項目(61402241)

齊 軒(1990-)，男，碩士研究生，研究方向為服務計算；劉茜萍，副教授，碩士生導師，研究方向為服務計算、工作流。

http://www.cnki.net/kcms/detail/61.1450.TP.20160622.0845.066.html

TP301

A

1673-629X(2016)08-0043-05

10.3969/j.issn.1673-629X.2016.08.009