服务候选集内候选服务的缩减方法和装置

摘要

本发明提出一种服务候选集内候选服务的缩减方法和装置，其中，方法包括：获取目标服务的候选集，目标服务的候选集内包括多个候选服务；获取目标服务的候选集内每一个候选服务的服务属性；获取与多个候选服务对应的k个初始质心；根据k个初始质心和服务属性对所述多个候选服务聚类计算，获取与k个初始质心对应的k个服务簇，并确定与每个服务簇对应的目标质心；根据预设服务属性条件和目标质心对k个服务簇中的所有候选服务筛选，获取目标服务。装置包括：第一获取模块、第二获取模块、第三获取模块、第四获取模块和第五获取模块，用于实现上述方法。本发明的方法和装置能够缩减候选服务集中候选服务的数量。

说明书

技术领域

本发明涉及人工智能技术领域，尤其涉及一种服务候选集内候选服务的缩减方法和装置。

背景技术

在跨平台科技资源集成和服务协同中，系统要汇集数以亿计的科技资源和海量的科技服务。每个科技服务往往由多个候选服务组成，系统首先通过服务需求查找候选服务列表，在通过需求-服务匹配算法，获取服务组合后形成最终的服务方案。

相关技术中，在进行需求-服务匹配时，例如，给定按照服务需求，抽象出7个原子服务，每个原子服务相对应的候选集中候选服务数量为1000，那么需求-服务可行解的数量为1000

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种服务候选集内候选服务的缩减方法，包括：获取目标服务的候选集，所述目标服务的候选集内包括多个候选服务；获取所述目标服务的候选集内每一个候选服务的服务属性；获取与所述多个候选服务对应的k个初始质心，其中，k为大于1的自然数；根据所述k个初始质心和所述服务属性对所述多个候选服务聚类计算，获取与所述k个初始质心对应的k个服务簇，并确定与每个所述服务簇对应的目标质心；根据预设服务属性条件和所述目标质心对所述k个服务簇中的所有候选服务筛选，获取目标服务。

在本发明的服务候选集内候选服务的缩减方法的一个示例性实施例中，在所述获取目标服务之前，还包括：

根据服务属性对筛选后的候选服务再次进行筛选。

在本发明的服务候选集内候选服务的缩减方法的一个示例性实施例中，所述获取与所述多个候选服务对应的k个初始质心之前，还包括：

获取类内凝聚度和类间分离度，并根据式1确定聚类评比值，最大聚类评值对应的聚类数目为与所述多个候选服务对应的初始质心的个数k，所述式1为：

k为所选聚类数目，CH(k)为多个候选服务在k个聚类数目下的聚类评比值，SS

在本发明的服务候选集内候选服务的缩减方法的一个示例性实施例中，所述获取类内凝聚度，包括：

通过式2获取类内凝聚度，所述式2为：

SS

在本发明的服务候选集内候选服务的缩减方法的一个示例性实施例中，所述获取类间分离度，包括：

通过式3获取类间分离度，所述式3为：

SS

在本发明的服务候选集内候选服务的缩减方法的一个示例性实施例中，所述获取与所述多个候选服务对应的k个初始质心，包括：

通过式4生成一个初始质心，再通过式5生成另一个初始质心，重复通过式4和式5生成初始质心，直到生成第k个初始质心，所述式4为：

所述式5为：

其中，i为候选服务分类的序号X

本发明的第二个目的在于提出一种服务候选集内候选服务的缩减装置。包括：第一获取模块，用于获取目标服务的候选集，所述目标服务的候选集内包括多个候选服务；第二获取模块，用于获取所述目标服务的候选集内每一个候选服务的服务属性；第三获取模块，用于获取与所述多个候选服务对应的k个初始质心，其中，k为大于1的自然数；第四获取模块，用于根据所述k个初始质心和所述服务属性对所述多个候选服务聚类计算，获取与所述k个初始质心对应的k个服务簇，并确定与每个所述服务簇对应的目标质心；第五获取模块，用于根据预设服务属性条件和所述目标质心对所述k个服务簇中的所有候选服务筛选，获取目标服务。

在本发明的服务候选集内候选服务的缩减装置的一个示例性实施例中，在所述获取目标服务之前，所述第五模块还用于根据服务属性对筛选后的候选服务再次进行筛选。

在本发明的服务候选集内候选服务的缩减装置的一个示例性实施例中，在所述获取与所述多个候选服务对应的k个初始质心之前，所述第三获取模块，还用于获取类内凝聚度和类间分离度，并根据式1确定聚类评比值，最大聚类评值对应的聚类数目为与所述多个候选服务对应的初始质心的个数k，所述式1为：

k为所选聚类数目，CH(k)为多个候选服务在k个聚类数目下的聚类评比值，SS

在本发明的服务候选集内候选服务的缩减装置的一个示例性实施例中，所述第三模块还包括第一获取单元，用于通过式2获取类内凝聚度，所述式2为：

SS

在本发明的服务候选集内候选服务的缩减装置的一个示例性实施例中，所述第三模块还包括第二获取单元，用于通过式3获取类间分离度，所述式3为：

SS

在本发明的服务候选集内候选服务的缩减装置的一个示例性实施例中，所述获取与所述多个候选服务对应的k个初始质心，包括：

通过式4生成一个初始质心，再通过式5生成另一个初始质心，重复通过式4和式5生成初始质心，直到生成第k个初始质心，所述式4为：

所述式5为：

其中，i为候选服务分类的序号X

与现有技术相比，本发明的有益效果可包括：本发明的方法和装置，通过获取目标服务的候选集后，对候选集内的所有候选服务根据服务属性进行聚类计算，得到k个服务簇同时得到每个服务簇对应的目标质心，再通过预设服务属性条件和目标质心对k个服务簇中的候选服务进行筛选，获取目标服务，能够通过缩减候选服务集中候选服务的数量，从而提高需求-服务匹配算法的效率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例所提供的一种服务候选集内候选服务的缩减方法的流程示意图；

图2为本发明实施例所提供的一种服务候选集内候选服务的缩减装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的服务候选集内候选服务的缩减方法和装置。

图1为本发明实施例所提供的一种服务候选集内候选服务的缩减方法的流程示意图。

在步骤S101中，获取目标服务的候选集，目标服务的候选集内包括多个候选服务。

在具体实施过程中，目标服务能够满足相对应的用户的一个或多个功能需求，选取包括有目标服务的多个候选服务的候选集，作为目标服务的可选项。

在步骤S102中，获取目标服务的候选集内每一个候选服务的服务属性。

在具体实施过程中，候选服务的服务属性可以用于评价候选服务的服务质量。

具体地，服务属性可以分为正属性和负属性，对于正属性，其值越大提供的服务质量越好，如服务能力；对于负属性，其值越小提供的价值越高，例如服务成本和服务时间。可以理解的是，为了便于通过候选服务的服务属性对候选服务进行比较，可以通过将不同候选服务的服务属性的属性值标准化，以下将不同候选服务的服务属性的属性值标准化为0到1之间的实数为例：

对于第d个正属性值：

上式中，

对于第d个负属性值：

其中，

在步骤S103中，获取与多个候选服务对应的k个初始质心。

在具体实施过程中，k为大于1的自然数，例如2、3、4……。

可以理解的是，多个候选服务对应有k个初始质心，即多个候选服务将会被分为k类，因此，在获取与多个候选服务对应的k个初始质心之前，为了保证后续聚类效果，还可以包括：

获取类内凝聚度和类间分离度，并根据式1确定聚类评比值，最大聚类评值对应的聚类数目为与多个候选服务对应的初始质心的个数k，式1为：

k为所选聚类数目，CH(k)为多个候选服务在k个聚类数目下的聚类评比值，SS

其中，类内凝聚度的获取，可以包括：

通过式2获取类内凝聚度，式2为：

SS

其中，获取类间分离度，可以包括：

通过式3获取类间分离度，式3为：

SS

同时，可以理解的是，随机选择初始质心，会导致后续聚类计算陷入局部极值，因此，获取与多个候选服务对应的k个初始质心，可以：

通过式4生成一个初始质心，再通过式5生成另一个初始质心，重复通过式4和式5生成初始质心，直到生成第k个初始质心，式4为：

式5为：

其中，i为候选服务分类的序号，X

另外，L可以为基于混沌逻辑策略生成的分布在0到1区间上的伪随机序列，通过式6得到，式6为：

L

其中，u为迭代计数器，迭代次数为大于等于1的自然数，例如300，μ为控制参数，控制参数为大于等于1的自然数，例如4。

即通过式4非随机生成一个初始质心，然后再通过式5生成远离式4生成的初始质心的另一个初始质心，然后重复式4和式5，直到生成第k个初始质心，以便于避免随机选择初始质心将会带来的后续聚类计算陷入局部极值的问题。

在步骤S104中，根据k个初始质心和服务属性对多个候选服务聚类计算，获取与k个初始质心对应的k个服务簇，并确定与每个服务簇对应的目标质心。

在具体实施过程中，可以通过K-Means聚类算法根据k个初始质心和服务属性对多个候选服务聚类计算，获取与k个初始质心对应的k个服务簇，并确定与每个服务簇对应的目标质心。其中，聚类计算可以包括利用服务属性及欧几里得距离函数计算各个候选服务到初始质心的距离，并将其归类到离它最近的那个初始质心所在的簇，然后重新计算质心，迭代，直到聚类计算完成，各簇拥有自己的目标质心。

在步骤S105中，根据预设服务属性条件和目标质心对k个服务簇中的所有候选服务筛选，获取目标服务。

在具体实施过程中，可以理解的是，由于每簇内的候选服务都是相似的，每簇内位于目标质心或距离目标质心距离最近的候选服务即该簇内最优的候选服务，并可代表该簇其它候选服务，因此，只保留每一簇内的最优候选服务，其余的候选服务不保留，以完成对k个服务簇内候选服务的一次筛选；预设服务属性条件可以是用户设定的，例如，用户要求一个或多个服务属性在相应的目标范围内，即可根据预设服务属性条件对一次筛选后的候选服务进行二次筛选；经过两次筛选后，获取所需的目标服务。

综上所述，本发明的服务候选集内候选服务的缩减方法，通过获取目标服务的候选集后，对候选集内的所有候选服务根据服务属性进行聚类计算，得到k个服务簇，同时得到每个服务簇对应的目标质心，再通过预设服务属性条件和目标质心对k个服务簇中的候选服务分别进行两次筛选后，获取目标服务。由此，通过两次筛选缩减候选服务的数量，能够提高后续获取目标服务的效率。

基于以上实施例，可以理解的是，经过两次筛选后，剩余的候选服务还可存在能够实现相同功能的候选服务，可继续对两次筛选后的候选服务基于服务属性再次进行筛选。

在步骤S105中，在获取目标服务之前，还可以包括：

根据服务属性对筛选后的候选服务再次进行筛选。在具体实施过程中，基于剩余各服务的服务属性，通过各候选服务之前的支配关系进行筛选，支配关系即两个候选服务能够实现相同功能，但其中一个候选服务的服务属性中存在至少一个属性劣于另一个候选服务，则所述的一个候选服务被所述的另一个候选服务支配，则所述的一个候选服务可被删除，例如：存在候选服务ws1，ws2，ws1和ws2能够实现相同功能，如果ws1在所有服务属性上都比ws2差，或者ws1服务属性中的至少一个属性劣于ws2，则视为ws1被ws2支配，那么则可删除候选服务ws1。

下述为本发明的服务候选集内候选服务的缩减装置实施例，可以被配置为执行本发明服务候选集内候选服务的缩减方法实施例。对于本发明服务候选集内候选服务的缩减装置实施例中未披露的细节，请参照本发明服务候选集内候选服务的缩减方法实施例。

图2为本发明的一个示例性实施例中的服务候选集内候选服务的缩减装置的结构示意图。如图2所示，该服务候选集内候选服务的缩减装置可以包括第一获取模块10、第二获取模块20、第三获取模块30、第四获取模块40和第五获取模块50。

其中，第一获取模块10，用于获取目标服务的候选集，目标服务的候选集内包括多个候选服务。

在具体实施过程中，目标服务能够满足相对应的用户的一个或多个需求，选取包括有目标服务的多个候选服务的候选集，作为目标服务的可选项。

第二获取模块20，用于获取目标服务的候选集内每一个候选服务的服务属性。

需要说明的是，前述对服务候选集内候选服务的缩减方法的描述，也适用于本示例性实施例的服务候选集内候选服务的缩减装置实施例，实现原理类似，在此不再赘述。

第三获取模块30，用于获取与多个候选服务对应的k个初始质心。

在具体实施过程中，k为大于1的自然数，例如2、3、4……。

可以理解的是，多个候选服务对应有k个初始质心，即多个候选服务将会被分为k类，因此，在获取与多个候选服务对应的k个初始质心之前，为了保证后续聚类效果，第三获取模块30还可用于：

获取类内凝聚度和类间分离度，并根据式1确定聚类评比值，最大聚类评值对应的聚类数目为与多个候选服务对应的初始质心的个数k，式1为：

k为所选聚类数目，CH(k)为多个候选服务在k个聚类数目下的聚类评比值，SS

其中，第三获取模块还可包括第一获取单元，用于：

通过式2获取类内凝聚度，式2为：

SS

其中，第三获取模块还可包括第二获取单元，用于：

通过式3获取类间分离度，式3为：

SS

同时，可以理解的是，随机选择初始质心，会导致后续聚类计算陷入局部极值，因此，获取与多个候选服务对应的k个初始质心，可以：

通过式4生成一个初始质心，再通过式5生成另一个初始质心，重复通过式4和式5生成初始质心，直到生成第k个初始质心，式4为：

式5为：

其中，i为候选服务分类的序号X

另外，L可以为基于混沌逻辑策略生成的分布在0到1区间上的伪随机序列，通过式6得到，式6为：

L

其中，u为迭代计数器，迭代次数为大于等于1的自然数，例如300，μ为控制参数，控制参数为大于等于1的自然数，例如4。

即通过式4非随机生成一个初始质心，然后再通过式5生成远离式4生成的初始质心的另一个初始质心，然后重复式4和式5，直到生成第k个初始质心，以便于避免随机选择初始质心将会带来的后续聚类计算陷入局部极值的问题。

第四获取模块40，用于根据k个初始质心和服务属性对多个候选服务聚类计算，获取与k个初始质心对应的k个服务簇，并确定与每个服务簇对应的目标质心。

在具体实施过程中，可以通过K-Means聚类算法根据k个初始质心和服务属性对多个候选服务聚类计算，获取与k个初始质心对应的k个服务簇，并确定与每个服务簇对应的目标质心。其中，聚类计算可以包括利用服务属性及欧几里得距离函数计算各个候选服务到初始质心的距离，并将其归类到离它最近的那个初始质心所在的簇，然后重新计算质心，迭代，直到聚类计算完成，各簇拥有自己的目标质心。

第五获取模块50，用于根据预设服务属性条件和目标质心对k个服务簇中的所有候选服务筛选，获取目标服务。

在具体实施过程中，可以理解的是，由于每簇内的候选服务都是相似的，每簇内位于目标质心或距离目标质心距离最近的候选服务即该簇内最优的候选服务，并可代表该簇其它候选服务，因此，只保留每一簇内的最优候选服务，其余的候选服务不保留，以完成对k个服务簇内候选服务的一次筛选；预设服务属性条件可以是用户设定的，例如，用户要求一个或多个服务属性在相应的目标范围内，即可根据预设服务属性条件对一次筛选后的候选服务进行二次筛选；经过两次筛选后，获取所需的目标服务。

综上所述，本发明的服务候选集内候选服务的缩减装置，通过获取目标服务的候选集后，对候选集内的所有候选服务根据服务属性进行聚类计算，得到k个服务簇，同时得到每个服务簇对应的目标质心，再通过预设服务属性条件和目标质心对k个服务簇中的候选服务分别进行两次筛选后，获取目标服务。由此，通过两次筛选缩减候选服务的数量，能够提高后续获取目标服务的效率。

基于以上实施例，可以理解的是，经过两次筛选后，剩余的候选服务还可存在能够实现相同功能的候选服务，可继续对两次筛选后的候选服务基于服务属性再次进行筛选。

在获取目标服务之前，第五获取模块50可以用于根据服务属性对筛选后的候选服务再次进行筛选。

在具体实施过程中，基于剩余各服务的服务属性，通过各候选服务之前的支配关系进行筛选，支配关系即两个候选服务能够实现相同功能，但其中一个候选服务的服务属性中存在至少一个属性劣于另一个候选服务，则所述的一个候选服务被所述的另一个候选服务支配，则所述的一个候选服务可被删除，例如：存在候选服务ws1，ws2，ws1和ws2能够实现相同功能，如果ws1在所有服务属性上都比ws2差，或者ws1服务属性中的至少一个属性劣于ws2，则视为ws1被ws2支配，那么则可删除候选服务ws1。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。