一種多云平臺環境下的個性化云推薦方法
【專利摘要】本發明公開了一種多云平臺環境下的個性化云推薦方法，首先，將用戶對各性能的關注度優先級構造成喜好成對比較矩陣，并將云平臺各性能的優先級構造成性能成對比較矩陣，進而通過識別所有成對比較矩陣中的不一致列及矛盾列，修正不一致列中的不一致元素，并更正矛盾列中的矛盾元素，得到滿足一致性要求的成對比較矩陣，最后利用層次分析法計算出用戶對各云平臺的喜好權值向量，并基于權值向量向用戶推薦云平臺，從而實現對多云平臺環境下的滿足用戶個性化需求的云推薦方案。本發明有效提高了云平臺推薦系統的效率與準確性，使其更具有實用性。
【專利說明】
一種多云平臺環境下的個性化云推薦方法
技術領域
[0001] 本發明涉及一種云計算、個性化推薦等技術領域，特別是一種多云平臺環境下的 個性化云推薦方法。
【背景技術】
[0002] 近年來，隨著云計算技術的發展，世界著名的信息技術公司都搭建了自己的云平 臺，如亞馬遜的Elastic Compute Cloud(EC2)，IBM的Blue Cloud，百度的百度云，阿里巴巴 的阿里云等。面對眾多云平臺，用戶無法根據自己喜好選擇最適合自己的云平臺。因此，亟 需一種面向多云平臺的個性化云推薦方案。
[0003] 現有推薦方法包括層次分析法(Analytic Hierarchy Process ,ΑΗΡ)，網絡分析法 (Analytical Network Process ,ΑΝΡ)，及PR0METHEE等。這些方法都基于成對比較矩陣 (Pairwise Comparison Matrix，PCM)，當PCM的一致性不滿足要求，或PCM中存在矛盾元素 時，這些方法都將失效。因此，亟需一種提高PCM-致性，并去掉PCM中矛盾元素的方法。目 前，所有針對PCM的技術都集中于提高PCM的一致性。然而，現有方法存在兩個不足:一、現有 提高PCM-致性的方法相對復雜，且效率低;二、現有方法不能有效去掉矛盾元素。而矛盾元 素的存在使得基于PCM的ΑΗΡ等推薦方法失效。與已有技術不同，本發明不僅能高效實現PCM 的一致性要求，并且能夠有效去掉PCM中的矛盾元素，使得所有基于PCM的推薦方案準確、高 效，且更具有實用性。

【發明內容】

[0004] 本發明所要解決的技術問題是，針對現有技術不足，提供一種多云平臺環境下的 個性化云推薦方法。
[0005] 為解決上述技術問題，本發明所采用的技術方案是：一種多云平臺環境下的個性 化云推薦方法，包括以下步驟：
[0006] 1)將用戶對各性能的關注度優先級構造成喜好成對比較矩陣；
[0007] 2)將云平臺各性能的優先級構造成性能成對比較矩陣；
[0008] 3)識別喜好成對比較矩陣和性能成對比較矩陣中的不一致列及矛盾列；
[0009] 4)修正所有成對比較矩陣中不一致列中的不一致元素，更正所有成對比較矩陣中 矛盾列中的矛盾元素；
[0010] 5)利用層次分析法計算出用戶對各云平臺的喜好權值向量；
[0011] 6)基于喜好權值向量為用戶推薦云平臺。
[0012] 所述步驟3)中，識別所述成對比較矩陣的不一致列的方法包括以下步驟：
[0013] 1)初始化列標識集合CIS，將CIS中的各個元素初始化為矛盾的，初始值設為2;
[0014] 2)檢查成對比較矩陣PCM中的各列，如果某列包含矛盾元素，則直接檢查下一列；
[0015] 3)如果成對比較矩陣PCM第i列不包含矛盾的元素，則進一步檢查該列是否包含不 一致的元素;將成對比較矩陣PCM第i列上三角元素的平均值作為標準，如果某個元素的值 與平均值的偏差超過了閾值ε，則第i列被標記為不一致的，即設置CIS[i] = 1;當PCM第i列 上三角元素的平均值大于1，ε取值范圍為[0，1 ];當PCM第i列上三角元素的平均值小于1時， ε取值范圍為[0,0.25];
[0016] 4)如果第i列中不包含不一致的和矛盾的元素，則第i列和i-Ι列被標記為一致的 列，即設置 CIS[i_l]=0，CIS[i]=0;
[0017] 5)返回成對比較矩陣的列標識集合。
[0018] 修正所述成對比較矩陣的不一致列的方法包括以下步驟：
[0019] 1)計算PCM中相鄰兩列之間比值k的平均值其中山表示PCM中的元素 p[j][k] 與 P[j][k+1]的比值，即 t 尸 p[j][k]/p[j][k+l];
[0020] 2)在得到兩列之間比值心的平均值Γ之后，將含待修正元素的比值更正為平均值 Γ，再根據平均值Γ修正相應的待修正元素的值；當第i列的所有不一致元素完成修正之后， 設置第i列的狀態為一致的，即設置CIS[ i] =0。
[0021] 修正所述成對比較矩陣的矛盾列的方法包括以下步驟：
[0022] 1)選出PCM中相鄰兩列的比值t沖，l〇g(tJ的符號相同，且相同的元素個數最多的 1^，其中，1^表示?01中的元素口[」_]|>]與口[」_]|>+1]的比值，8卩1:」=口[」_][10/^[」_][1^+1] ;
[0023] 2)計算經步驟1)選出的k的平均值￡，再根據平均值?對矛盾元素的值進行更正； 當第i列的所有矛盾元素完成更正之后，設置第i列的狀態為一致的，即設置CIS[i]=0。
[0024] 與現有技術相比，本發明所具有的有益效果為:本發明提出了一種高效識別PCM中 不一致列與矛盾列的算法，進一步提出修正不一致列中的不一致元素，并更正矛盾列中矛 盾元素的算法，使得PCM有滿足要求的一致性的同時，不存在矛盾元素。基于修正的PCM，利 用層次分析法計算出用戶對各云平臺的喜好權值向量，并基于權值向量向用戶推薦云平 臺，從而實現對多云平臺環境下的滿足用戶個性化需求的云推薦方案。本發明有效提高了 云平臺推薦系統的效率與準確性，使其更具有實用性。
【附圖說明】
[0025]圖1為本發明方法流程圖。
【具體實施方式】
[0026]本發明提出了一種多云平臺環境下的個性化云推薦方案，該方案將用戶對各性能 的關注度優先級構造成喜好成對比較矩陣，并將云平臺各性能的優先級構造成性能成對比 較矩陣，進而通過識別所有成對比較矩陣中的不一致列及矛盾列，修正不一致列中的不一 致元素，并更正矛盾列中的矛盾元素，得到滿足一致性要求的成對比較矩陣，最后利用層次 分析法計算出用戶對各云平臺的喜好權值向量，并基于權值向量向用戶推薦云平臺，從而 實現對多云平臺環境下的滿足用戶個性化需求的云推薦方案。
[0027]該方案通過以下幾個步驟實現：
[0028] 1)將用戶對各性能的關注度優先級構造成喜好成對比較矩陣表示用戶關注 的性能數目，構造過程分為三步：1、將之x",對角線上的m個元素設置為1;2、設置之 y",矩陣中 上三角元素的值，其中表示第i個喜好與第j個喜好的比較值，如果用戶完全偏向于 喜歡第i個喜好，則將設置為9或者8,如果用戶明顯偏向于喜歡第i個喜好，則將 月>_][/]設置為7或者6,如果用戶基本上偏向于喜歡第i個喜好，則將戶[/][/]設置為5或者4,如 果用戶稍微偏向于喜歡第i個喜好，則將盧丨/]丨_/]設置為3或者2,如果用戶對兩個喜好的喜歡 程度一樣，則將Pmi/i設置為1。如果用戶更偏向于喜歡第j個喜好，則用同樣的方法設置 矩陣中聲P][i]的值為對應的上三角矩陣中#[/ρ]的倒數，即#ML/·] =i/ft/F]。
[0029] 2)將云平臺各性能的優先級構造成性能成對比較矩陣Pi，P2, ···，？"，!!表示云平臺 的個數，？"1^=1，2，一，11)是一個1]1\1]1的矩陣，？1<的構造過程分為三步：1、將?1<的111個對角元 素設置為1;2、設置P k矩陣中上三角元素的值，其中Pk[i][j]表示Pk中第i個性能與第j個性 能的比較值，如果用戶完全偏向于重視第i個性能，則將Pk[i][j]設置為9或者8,如果用戶 明顯偏向于重視第i個性能，則將Pk[i][j]設置為7或者6,如果用戶基本上偏向于重視第i 個性能，則將Pk[i][j]設置為5或者4,如果用戶稍微偏向于重視第i個性能，則將Pk[i][j]設 置為3或者2,如果用戶對兩個性能的重視程度一樣，則將P k[i][j]設置為1。如果用戶更偏 向于重視第j個喜好，則用同樣的方法設置Pk[j][i]，再將Pk[i][j]設置為P k[i][j] = l/Pk [j] [i]。； 3、設置PmXm矩陣的下三角元素的值，下三角矩陣中Pk[i] [ j]的值為對應的上三角 矩陣中 Pk[j][i]的倒數，即 Pk[i][j] = lPk[j][i]。
[0030] 3)識別所有成對比較矩陣(之_，/VV _ _，G)中的不一致列及矛盾列；
[0031] 4)修正所有成對比較矩陣(/〖_,匕P2，…,G)中不一致列中的不一致元素；
[0032 ] 5)更正所有成對比較矩陣(/丨,/丨，/丨,)中矛盾列中的矛盾元素；
[0033] 6)利用層次分析法計算出用戶對各云平臺的喜好權值向量W = (wi ,W2,…，wn) (Saaty T L.What is the analytic hierarchy process?[M].Springer Berlin Heidelberg,1988)〇
[0034] 7)基于喜好權值向量W為用戶推薦云平臺。
[0035] 其中，識別所有成對比較矩陣中的不一致列及矛盾列的算法如算法1所示。算法的 輸入包含一個成對比較矩陣PCM:Pi*i，一個閾值ε，ε表示一致性值可允許的最大偏差閾值ε (該閾值ε根據用戶輸入指定，當平均值大于1時，ε取值范圍為[0，1];當平均值小于1時，ε取 值范圍為[0，0. 25 ])。算法的輸出是列標識集合ClS，ClS記錄了PCM列的狀態(0: -致；1:不 一致;2:矛盾）。首先，我們將CIS的各個元素的狀態初始化為矛盾的，即將值設為2，CIS中的 每一個元素的狀態對應于成對比較矩陣中一列的狀態。當某一列出現矛盾元素時，該列置 為矛盾列，CIS中元素的狀態置為矛盾的，即值設為2。算法隨后檢查下一列中的狀態(見算 法1的3-8行）。如果第i列不包含矛盾的元素，則進一步檢查該列是否包含不一致的元素。我 們利用PCM第i列上三角元素的平均值作為標準，如果某個元素的值與平均值的偏差超過了 閾值ε，則第i列被標記為不一致的，即設置CIS[i] = l(見算法1的10到16行）。如果第i列中 不包含不一致的和矛盾的元素，則第i列和i-Ι列被標記為一致的列，即設置CIS[i-l]=0， CIS[i]=0。最后，算法返回成對比較矩陣的列標識集合。
[0038]算法2表示修正成對比較矩陣的不一致列中的不一致元素的算法。算法的輸入包 含一個成對比較矩陣PCM:Pi*i，一個閾值ε(該閾值ε根據用戶輸入指定，當平均值大于1時，ε 取值范圍為[0，1 ];當平均值小于1時，ε取值范圍為[0，0. 25])，ε表示一致性值的最大偏差， 以及PCM的列標識集合CIS。算法的輸出是修正不一致元素后的成對比較矩陣PCM。算法2的 核心思想是利用狀態為一致性的列逐步修改狀態為不一致的列中的不一致元素的值。首 先，我們計算兩列之間比值b的平均值F，其中山表示PCM中的元素 p[j][k]與p[j][k+l]的 比值，即心=?[」][1^]/?[」][1^1]。在得到兩列之間比值心的平均值1之后，我們可以通過簡 單的乘法或除法對不一致的元素值進行修正，即首先將含待修正元素的比值更正為平均值 F，再根據平均值Τ'修正相應的待修正元素的值。當第i列的所有不一致元素完成修正之后， 設置第i列的狀態為一致的，即設置CIS[ i] =0。
[0040] 算法3表示更正成對比較矩陣的矛盾列中的矛盾元素的算法。算法的輸入包含一 個成對比較矩陣PCM: Ρι*ι，一個閾值ε (該閾值ε根據用戶輸入指定，當平均值大于1時，ε取值 范圍為[0，1 ];當平均值小于1時，ε取值范圍為[0,0.25])，ε表示一致性值的最大偏差，以及 PCM的列標識集合CIS。算法的輸出是更正矛盾元素后的成對比較矩陣PCM。算法3的核心思 想是利用狀態為一致性的列逐步修改狀態為矛盾的列中的矛盾元素的值。首先，我們選出 兩列的比值t沖，l 〇g(tJ的符號相同，且相同的元素個數較多的b其中山表示PCM中的元 素 P[j][k]與p[j][k+l]的比值，即tj = p[j][k]/p[j][k+l]。然后，計算之前選出的k的平均 值f。得到/之后，我們首先將含矛盾元素的比值更正為?，再根據平均值?對矛盾元素的值 進行更正。當第i列的所有矛盾元素完成更正之后，設置第i列的狀態為一致的，即設置CIS
[i]=0〇
[0041]

【主權項】
1. 一種多云平臺環境下的個性化云推薦方法，其特征在于，包括W下步驟： 1) 將用戶對各性能的關注度優先級構造成喜好成對比較矩陣； 2) 將云平臺各性能的優先級構造成性能成對比較矩陣； 3) 識別喜好成對比較矩陣和性能成對比較矩陣中的不一致列及矛盾列； 4) 修正所有成對比較矩陣中不一致列中的不一致元素，更正所有成對比較矩陣中矛盾 列中的矛盾元素； 5) 利用層次分析法計算出用戶對各云平臺的喜好權值向量； 6) 基于喜好權值向量為用戶推薦云平臺。2. 根據權利要求1所述的多云平臺環境下的個性化云推薦方法，其特征在于，所述步驟 3)中，識別所述成對比較矩陣的不一致列的方法包括W下步驟： 1) 初始化列標識集合CIS,將CIS中的各個元素初始化為矛盾的，初始值設為2; 2) 檢查成對比較矩陣PCM中的各列，如果某列包含矛盾元素，則直接檢查下一列； 3) 如果成對比較矩陣PCM第i列不包含矛盾的元素，則進一步檢查該列是否包含不一致 的元素;將成對比較矩陣PCM第i列上Ξ角元素的平均值作為標準，如果某個元素的值與平 均值的偏差超過了闊值e，則第i列被標記為不一致的，即設置CIS[i] = l;當PCM第i列上Ξ 角元素的平均值大于l，e取值范圍為[〇，1];當PCM第i列上Ξ角元素的平均值小于1時，e 取值范圍為[0,0.2引； 4) 如果第i列中不包含不一致的和矛盾的元素，則第i列和i-1列被標記為一致的列，即 設置 CIS[i-l]=0，CIS[i]=0; 5) 返回成對比較矩陣的列標識集合。3. 根據權利要求2所述的多云平臺環境下的個性化云推薦方法，其特征在于，修正所述 成對比較矩陣的不一致列的方法包括W下步驟： 1) 計算PCM中相鄰兩列之間比值t撕平均值Γ，其中，t康示PCM中的元素 p[j][k]與p[j] [k+U的比值，即tj = p山比]/p[j]比+U，其中，p[j]比該示PCM中第祀第k的元素； 2) 在得到兩列之間比值的平均值Γ之后，將含待修正元素的比值更正為平均值Γ:，再 根據平均值Π?多正相應的待修正元素的值；當第i列的所有不一致元素完成修正之后，設置 第i列的狀態為一致的，即設置CIS[i]=0。4. 根據權利要求2所述的多云平臺環境下的個性化云推薦方法，其特征在于，修正所述 成對比較矩陣的矛盾列的方法包括W下步驟： 1) 選出PCM中相鄰兩列的比值t沖，log伯）的符號相同，且相同的元素個數最多的tj， 其中，t康示PCM中的元素 P山比]與P山比+U的比值，即tj = p山比]/p[j]比+U; 2) 計算經步驟1)選出的的平均值？，再根據平均值？對矛盾元素的值進行更正；當第i 列的所有矛盾元素完成更正之后，設置第i列的狀態為一致的，即設置CIS[i]=0。
【文檔編號】G06F17/30GK106095882SQ201610396506
【公開日】2016年11月9日
【申請日】2016年6月7日 公開號201610396506.8, CN 106095882 A, CN 106095882A, CN 201610396506, CN-A-106095882, CN106095882 A, CN106095882A, CN201610396506, CN201610396506.8
【發明人】林亞平, 張偉
【申請人】湖南大學