王海艷, 曲匯直

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院， 210036 南京)

?

一種支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法

王海艷, 曲匯直

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院， 210036 南京)

摘要:針對(duì)服務(wù)質(zhì)量波動(dòng)所造成的選擇風(fēng)險(xiǎn)性，提出一種支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法. 首先，根據(jù)區(qū)間數(shù)理論處理缺失信息,對(duì)用戶(hù)評(píng)分進(jìn)行完整描述. 然后，根據(jù)用戶(hù)面對(duì)不確定信息的風(fēng)險(xiǎn)傾向性不同，引入風(fēng)險(xiǎn)偏好對(duì)用戶(hù)進(jìn)行細(xì)分，并確定用戶(hù)的服務(wù)感知風(fēng)險(xiǎn). 最后，根據(jù)服務(wù)收益最大化原則，將服務(wù)屬性進(jìn)行劃分并結(jié)合用戶(hù)屬性偏好度得到服務(wù)收益，權(quán)衡服務(wù)收益與用戶(hù)感知風(fēng)險(xiǎn)得到綜合評(píng)估結(jié)果. 仿真實(shí)驗(yàn)表明：與其他服務(wù)評(píng)估方法相比，本方法在表達(dá)用戶(hù)屬性偏好的同時(shí)也清晰表達(dá)了用戶(hù)的風(fēng)險(xiǎn)偏好特征，更好地體現(xiàn)用戶(hù)個(gè)性化差異，具有更高的用戶(hù)滿(mǎn)意度.

關(guān)鍵詞:服務(wù)評(píng)估； 風(fēng)險(xiǎn)偏好； 風(fēng)險(xiǎn)效用； 服務(wù)收益

隨著網(wǎng)絡(luò)技術(shù)的普及與信息技術(shù)的不斷發(fā)展，各類(lèi)服務(wù)大量出現(xiàn)，如何在大量的功能屬性相同但非功能屬性不同的候選服務(wù)中進(jìn)行服務(wù)評(píng)估并選擇出滿(mǎn)足用戶(hù)需求的優(yōu)質(zhì)服務(wù)已經(jīng)成為服務(wù)計(jì)算領(lǐng)域所要解決的關(guān)鍵問(wèn)題之一. 服務(wù)評(píng)估[1]近年來(lái)受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，目前已有的服務(wù)評(píng)估方法主要有基于服務(wù)質(zhì)量方法QoS(quality of service)[2]、基于QoS修正法[3]、基于不確定QoS法[4]、基于QoS預(yù)測(cè)法[5-6]和基于用戶(hù)偏好等. 這些評(píng)估方法大多根據(jù)服務(wù)的 QoS 值以及用戶(hù)的屬性偏好度對(duì)服務(wù)質(zhì)量進(jìn)行評(píng)估，未曾考慮評(píng)估中評(píng)分信息的不確定性會(huì)引起服務(wù)質(zhì)量波動(dòng)，從而產(chǎn)生服務(wù)質(zhì)量降低的風(fēng)險(xiǎn).

服務(wù)評(píng)估方法仍然存在以下問(wèn)題有待解決：

1)由于用戶(hù)對(duì)某些服務(wù)沒(méi)有進(jìn)行反饋以及網(wǎng)絡(luò)環(huán)境下不可避免的數(shù)據(jù)傳輸丟失等情況，導(dǎo)致服務(wù)的非功能屬性評(píng)分只包含部分有效的用戶(hù)評(píng)分信息，而缺失的評(píng)分信息則可能會(huì)造成服務(wù)總體質(zhì)量的波動(dòng)性，形成一個(gè)波動(dòng)區(qū)間. 這種信息缺失造成的不確定性會(huì)導(dǎo)致用戶(hù)選擇服務(wù)存在風(fēng)險(xiǎn)性，即選擇結(jié)果與實(shí)際期望值存在偏差，現(xiàn)有方法沒(méi)有對(duì)其風(fēng)險(xiǎn)性作出相應(yīng)表達(dá).

2)用戶(hù)對(duì)承擔(dān)風(fēng)險(xiǎn)的態(tài)度不同，部分用戶(hù)希望承擔(dān)較少風(fēng)險(xiǎn)獲得相對(duì)穩(wěn)妥的服務(wù)，部分用戶(hù)希望承擔(dān)較大的風(fēng)險(xiǎn)以獲得更大收益的服務(wù). 因此用戶(hù)對(duì)風(fēng)險(xiǎn)的偏好度很大程度上影響評(píng)估結(jié)果，現(xiàn)有服務(wù)評(píng)估方法沒(méi)有考慮該問(wèn)題.

本文針對(duì)服務(wù)質(zhì)量波動(dòng)所造成的選擇風(fēng)險(xiǎn)性問(wèn)題展開(kāi)研究，基于QoS方法，應(yīng)用風(fēng)險(xiǎn)決策理論和效用理論，提出了一種支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法.

1相關(guān)工作

現(xiàn)有服務(wù)評(píng)估方法主要針對(duì)服務(wù)質(zhì)量和用戶(hù)偏好對(duì)服務(wù)進(jìn)行評(píng)估. 基于QoS修正的方法主要采用信任度量的方法對(duì)與實(shí)際不符的QoS值進(jìn)行修正；基于不確定QoS的方法在分析QoS屬性的基礎(chǔ)上提出從區(qū)間型和模糊型兩方面考慮不確定QoS信息，使區(qū)間型QoS屬性確定化；基于QoS預(yù)測(cè)的方法通過(guò)協(xié)同過(guò)濾算法預(yù)測(cè)用戶(hù)對(duì)服務(wù)的喜好程度，對(duì)服務(wù)質(zhì)量進(jìn)行評(píng)估；基于用戶(hù)偏好的方法根據(jù)用戶(hù)對(duì)服務(wù)非功能屬性偏好的不同，為其分配相應(yīng)的權(quán)重，綜合得到QoS值對(duì)服務(wù)質(zhì)量作出評(píng)估. 以上方法均未考慮服務(wù)質(zhì)量波動(dòng)性所帶來(lái)的質(zhì)量降低風(fēng)險(xiǎn)對(duì)評(píng)估結(jié)果造成的影響.

風(fēng)險(xiǎn)是指一個(gè)或多個(gè)目標(biāo)的不確定性及其發(fā)生的可能性和后果，這種后果與決策者的預(yù)期目標(biāo)存在偏離或差異，這種偏離程度通常被用作衡量風(fēng)險(xiǎn)大小或程度的指標(biāo). 信息系統(tǒng)風(fēng)險(xiǎn)普遍指對(duì)資產(chǎn)造成損害的可能性. 信息系統(tǒng)中的風(fēng)險(xiǎn)評(píng)估是指確定在計(jì)算機(jī)系統(tǒng)和網(wǎng)絡(luò)中每一種資源缺失或遭到破壞對(duì)整個(gè)系統(tǒng)造成的預(yù)計(jì)損失數(shù)量，是對(duì)威脅、脆弱點(diǎn)以及由此帶來(lái)的風(fēng)險(xiǎn)大小的評(píng)估.

文獻(xiàn)[7]認(rèn)為網(wǎng)絡(luò)風(fēng)險(xiǎn)是主機(jī)風(fēng)險(xiǎn)的組合，而主機(jī)可以處于不同的安全狀態(tài)，每種安全狀態(tài)的概率決定了其安全風(fēng)險(xiǎn)，并使用隱馬爾卡夫(HMM)狀態(tài)轉(zhuǎn)換矩陣和觀察矩陣進(jìn)行度量. 矩陣法主要依賴(lài)專(zhuān)家經(jīng)驗(yàn)，其評(píng)估結(jié)果主觀性較大. 針對(duì)評(píng)估主觀性問(wèn)題，文獻(xiàn)[8-9]使用粗糙集模型、貝葉斯網(wǎng)絡(luò)模型進(jìn)行風(fēng)險(xiǎn)評(píng)估. 文獻(xiàn)[10]針對(duì)網(wǎng)絡(luò)受到各種安全威脅的影響，提出一種優(yōu)化的實(shí)時(shí)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)量化方法，對(duì)網(wǎng)絡(luò)風(fēng)險(xiǎn)值進(jìn)行量化，評(píng)估網(wǎng)絡(luò)受到的威脅. 文獻(xiàn)[11]提出一種基于實(shí)體行為風(fēng)險(xiǎn)評(píng)估的信任模型，通過(guò)加權(quán)復(fù)合函數(shù)計(jì)算實(shí)體行為中潛在的風(fēng)險(xiǎn)，并給出一種基于風(fēng)險(xiǎn)的實(shí)體信任計(jì)算方法，對(duì)實(shí)體行為中潛在的風(fēng)險(xiǎn)進(jìn)行識(shí)別. 文獻(xiàn)[12]針對(duì)社交網(wǎng)絡(luò)中用戶(hù)的社交結(jié)構(gòu)信息和非敏感屬性信息均會(huì)增加用戶(hù)隱私屬性泄露的風(fēng)險(xiǎn)，通過(guò)分割節(jié)點(diǎn)的屬性連接和社交連接，提高了節(jié)點(diǎn)的匿名性，降低了用戶(hù)隱私屬性泄露的風(fēng)險(xiǎn). 以上這些工作主要考慮應(yīng)對(duì)外部攻擊，如惡意用戶(hù)和惡意評(píng)價(jià)，沒(méi)有針對(duì)服務(wù)評(píng)估中評(píng)分信息的不確定性所造成的質(zhì)量降低風(fēng)險(xiǎn)進(jìn)行度量，也沒(méi)有從用戶(hù)角度出發(fā)，對(duì)用戶(hù)承擔(dān)風(fēng)險(xiǎn)的意愿進(jìn)行討論.

對(duì)于服務(wù)質(zhì)量波動(dòng)所造成的選擇風(fēng)險(xiǎn)性的分析和處理，可以依據(jù)成熟的風(fēng)險(xiǎn)決策理論進(jìn)行研究分析. 風(fēng)險(xiǎn)決策理論認(rèn)為，所謂風(fēng)險(xiǎn)決策就是在損失或贏利、損失或贏利的權(quán)重及損失與贏利聯(lián)系的不確定性這三個(gè)要素中進(jìn)行最優(yōu)化的選擇. 文獻(xiàn)[13]提出，風(fēng)險(xiǎn)的大小對(duì)于決策人而言取決于其主觀感知風(fēng)險(xiǎn)的大小，有效的風(fēng)險(xiǎn)感知對(duì)決策人作出合理的決策起到關(guān)鍵性作用，是影響決策有效性的重要因素之一. 文獻(xiàn)[14]認(rèn)為，移動(dòng)支付中消費(fèi)者感知風(fēng)險(xiǎn)大小是影響消費(fèi)者使用服務(wù)與否的關(guān)鍵因素，并構(gòu)建基于風(fēng)險(xiǎn)偏好的消費(fèi)者行為意向模型，對(duì)消費(fèi)者感知風(fēng)險(xiǎn)的作用機(jī)制和度量方法展開(kāi)了研究.

效用理論認(rèn)為，在風(fēng)險(xiǎn)和不確定情況下，個(gè)人決策行為以效用值最大為目標(biāo)，而不是最大期望金額. 文獻(xiàn)[15]提出決策者期望效用理論，認(rèn)為人們預(yù)期結(jié)果的效用是結(jié)果發(fā)生的客觀概率與其價(jià)值乘積，建立了評(píng)價(jià)理論基礎(chǔ)并調(diào)和了各子目標(biāo)不可公度的矛盾. 文獻(xiàn)[16]根據(jù)期望效用理論構(gòu)建風(fēng)險(xiǎn)偏好模型，構(gòu)造關(guān)于效用度量的函數(shù)方程，根據(jù)風(fēng)險(xiǎn)偏好的程度，確定未知參數(shù)并構(gòu)建出相應(yīng)風(fēng)險(xiǎn)效用函數(shù).

本文將風(fēng)險(xiǎn)決策理論應(yīng)用到服務(wù)評(píng)分區(qū)間，針對(duì)評(píng)分缺失所造成的風(fēng)險(xiǎn)性，從用戶(hù)需求出發(fā)，表達(dá)用戶(hù)的風(fēng)險(xiǎn)偏好程度，使用效用理論度量用戶(hù)的感知風(fēng)險(xiǎn)，并結(jié)合用戶(hù)的非功能屬性偏好，對(duì)支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估進(jìn)行了研究.

2支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法

2.1場(chǎng)景

用一個(gè)場(chǎng)景來(lái)說(shuō)明提出方法的實(shí)現(xiàn)過(guò)程. 電子商務(wù)環(huán)境中，各主流電子商務(wù)平臺(tái)的評(píng)分模式如圖1所示. 若用戶(hù)需要調(diào)用某個(gè)風(fēng)險(xiǎn)性較高的基金理財(cái)服務(wù)，服務(wù)A總體評(píng)分4.9(滿(mǎn)分為5)，有20%的用戶(hù)在使用后給予評(píng)價(jià)(存在大量用戶(hù)未反饋信息或反饋信息丟失)，B服務(wù)總體評(píng)分4.8(滿(mǎn)分為5)，70%的用戶(hù)在調(diào)用該服務(wù)后給予評(píng)價(jià). 針對(duì)評(píng)分來(lái)看，A服務(wù)的評(píng)分更高，但由于反饋樣本容量較小，其不確定程度也更高，若用戶(hù)為風(fēng)險(xiǎn)規(guī)避型用戶(hù)，通常認(rèn)為選擇B服務(wù)也許沒(méi)有A服務(wù)的回報(bào)率更高，但更為穩(wěn)健，能獲得更為穩(wěn)定的服務(wù)質(zhì)量保障.

在這個(gè)場(chǎng)景中：缺失信息所造成的不確定性會(huì)影響一項(xiàng)服務(wù)對(duì)于用戶(hù)的價(jià)值，風(fēng)險(xiǎn)規(guī)避型用戶(hù)更傾向于服務(wù)質(zhì)量波動(dòng)性較小的服務(wù)；風(fēng)險(xiǎn)偏好型用戶(hù)為尋求更高收益愿意承擔(dān)更大的風(fēng)險(xiǎn)；風(fēng)險(xiǎn)中立型用戶(hù)對(duì)服務(wù)質(zhì)量的波動(dòng)性不敏感，傾向于總體回報(bào)率更高的服務(wù).

通過(guò)上述觀察，由于用戶(hù)存在個(gè)體差距，即使面對(duì)同樣的服務(wù)，不同的用戶(hù)也會(huì)具有不同的服務(wù)感知風(fēng)險(xiǎn)，從而影響服務(wù)對(duì)于用戶(hù)的價(jià)值. 因此，在對(duì)服務(wù)進(jìn)行評(píng)估時(shí)，須將用戶(hù)的風(fēng)險(xiǎn)偏好納入考慮.

圖1　風(fēng)險(xiǎn)場(chǎng)景描述圖

投資收益理論中，最佳選擇策略應(yīng)綜合考慮成本和收益兩方面因素，所以本文將服務(wù)的非功能屬性細(xì)分為成本型屬性和收益型屬性，以確定非功能屬性收益和成本. 接著結(jié)合用戶(hù)偏好度分別對(duì)成本型屬性和收益型屬性計(jì)算得到服務(wù)成本和收益，進(jìn)而得到服務(wù)的期望收益率. 最后根據(jù)收益最大化原則，權(quán)衡收益率與用戶(hù)感知風(fēng)險(xiǎn)使用風(fēng)險(xiǎn)收益模型綜合評(píng)估服務(wù)結(jié)果.

2.2相關(guān)定義

采用效用理論和用戶(hù)風(fēng)險(xiǎn)偏好對(duì)服務(wù)質(zhì)量波動(dòng)性所造成風(fēng)險(xiǎn)進(jìn)行處理，本節(jié)將闡述支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法的一些相關(guān)定義.

效用：效用是指對(duì)于用戶(hù)通過(guò)消費(fèi)或享受閑暇等使自己的需求、欲望等得到滿(mǎn)足的一個(gè)度量.

評(píng)分效用：評(píng)分效用即用戶(hù)從一個(gè)評(píng)分區(qū)間中所獲得滿(mǎn)足程度的度量. 用戶(hù)最喜好、最傾向、獲得滿(mǎn)意程度最高的事物效用值取1，用戶(hù)最不喜好、獲得滿(mǎn)意程度最低的效用值取0，即效用值的取值范圍為(0,1).

效用函數(shù)：效用函數(shù)是反應(yīng)用戶(hù)風(fēng)險(xiǎn)態(tài)度的一類(lèi)曲線，受主觀、客觀因素影響，不同的用戶(hù)對(duì)相同損益問(wèn)題會(huì)做出不同反應(yīng). 效用函數(shù)是用來(lái)反應(yīng)決策結(jié)果的損益值與用戶(hù)所獲得效用之間關(guān)系的函數(shù). 以損益值為橫坐標(biāo)，效用值為縱坐標(biāo)，把用戶(hù)對(duì)風(fēng)險(xiǎn)的態(tài)度變化擬合成一條曲線.

風(fēng)險(xiǎn)規(guī)避型用戶(hù)效用函數(shù)為凹性，效用隨損益值增加而增加，增加率遞減,遞減率由用戶(hù)風(fēng)險(xiǎn)偏好程度決定. 風(fēng)險(xiǎn)中立型用戶(hù)效用函數(shù)為線性，其效用隨損益值增加而增加，增加率不變. 風(fēng)險(xiǎn)偏好型用戶(hù)效用函數(shù)為凸性，其效用隨損益值增加而增加，增加率遞增，遞增率由用戶(hù)風(fēng)險(xiǎn)偏好程度決定.

評(píng)分感知風(fēng)險(xiǎn)：表示用戶(hù)從不確定性評(píng)分中感知到風(fēng)險(xiǎn)的度量，感知風(fēng)險(xiǎn)的大小取決于用戶(hù)的風(fēng)險(xiǎn)偏好度. 服務(wù)各非功能屬性的評(píng)分是對(duì)服務(wù)質(zhì)量的量度，在用戶(hù)未獲得服務(wù)之前通過(guò)其他用戶(hù)評(píng)分的不確定程度來(lái)評(píng)估該服務(wù)可以給此用戶(hù)帶來(lái)的感知風(fēng)險(xiǎn).

服務(wù)期望收益率：將用戶(hù)獲取服務(wù)所得的收益和為獲取服務(wù)所付出的成本之間的比值稱(chēng)為服務(wù)期望收益率. 服務(wù)期望收益率是反映用戶(hù)付出與回報(bào)的指標(biāo)，綜合衡量用戶(hù)選擇一項(xiàng)服務(wù)的得失效率.

2.3支持風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法架構(gòu)

圖2中所述服務(wù)評(píng)估架構(gòu)需要用戶(hù)提供兩個(gè)輸入信息，分別為一組偏好判斷矩陣和用戶(hù)風(fēng)險(xiǎn)偏好度，系統(tǒng)經(jīng)過(guò)評(píng)估處理后，給出所得最佳服務(wù)供用戶(hù)選擇. 該架構(gòu)分為4個(gè)主要模塊：風(fēng)險(xiǎn)度量模塊根據(jù)用戶(hù)的風(fēng)險(xiǎn)偏好度構(gòu)建效用函數(shù)，用以度量存在不確定性的服務(wù)給用戶(hù)帶來(lái)的效用；收益度量模塊將非功能屬性分為成本型屬性和收益型屬性，并計(jì)算各屬性的評(píng)分區(qū)間得分值，然后根據(jù)加權(quán)得到的服務(wù)成本和服務(wù)收益進(jìn)而計(jì)算服務(wù)收益率；非功能屬性權(quán)重計(jì)算模塊分別為效用度量模塊和收益度量模塊計(jì)算權(quán)值，根據(jù)用戶(hù)的屬性偏好度判斷矩陣得到各屬性權(quán)值；綜合服務(wù)度量模塊根據(jù)服務(wù)效用值和服務(wù)收益率加權(quán)得到綜合評(píng)估的服務(wù)評(píng)分，使服務(wù)風(fēng)險(xiǎn)和收益得到平衡，以符合用戶(hù)的期望.

2.4用戶(hù)評(píng)分區(qū)間的得分值評(píng)估過(guò)程

2.4.1區(qū)間評(píng)分矩陣構(gòu)建

2.4.2風(fēng)險(xiǎn)偏好程度的確定

2.4.2.1用戶(hù)風(fēng)險(xiǎn)偏好表示

在屬性不確定條件下，更高的服務(wù)質(zhì)量、更低的成本付出不再是決定服務(wù)優(yōu)劣程度的僅有因素，用戶(hù)對(duì)于風(fēng)險(xiǎn)的接受程度需作為重要影響因子進(jìn)行度量并列入評(píng)估范圍.

圖2　支持風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估架構(gòu)

對(duì)用戶(hù)風(fēng)險(xiǎn)偏好程度進(jìn)行量化，可采用賭博當(dāng)量法[18]令用戶(hù)表達(dá)自己的偏好程度，其無(wú)差異式為

應(yīng)用中可采用0-1分布標(biāo)準(zhǔn)無(wú)差異式：

其中θ表示用戶(hù)的風(fēng)險(xiǎn)偏好程度，取值范圍θ∈[0,1]. θ=α表示風(fēng)險(xiǎn)中立型用戶(hù)；θ∈[0，α)表示風(fēng)險(xiǎn)規(guī)避型用戶(hù)，其中θ趨近于0表示用戶(hù)完全不希望承擔(dān)風(fēng)險(xiǎn)；θ∈(α,1]表示風(fēng)險(xiǎn)偏好型用戶(hù)，其中θ趨近于1表示用戶(hù)極度樂(lè)于冒險(xiǎn).

2.4.2.2效用函數(shù)確定

根據(jù)風(fēng)險(xiǎn)偏好度θ計(jì)算得到相應(yīng)的效用函數(shù)，θ=α?xí)r，τ=E[x,α,y]，其效用函數(shù)為

當(dāng)θ∈[0,1]且θ≠α?xí)r，τ≠E[x,α,y]，其效用函數(shù)為

其中a=1/(1-φ)，λ=-lnφ. 也可以寫(xiě)成

2.4.3基于屬性偏好度的權(quán)重度量過(guò)程

文獻(xiàn)[19]采用模糊理論對(duì)用戶(hù)屬性偏好進(jìn)行表達(dá)，并確定服務(wù)非功能屬性的權(quán)重分配. 本文采用文獻(xiàn)[19]中方法，通過(guò)用戶(hù)對(duì)各屬性偏好兩兩比較，按偏好程度大小構(gòu)建區(qū)間直覺(jué)判斷矩陣，矩陣元素使用區(qū)間直覺(jué)模糊數(shù)表示：A=(aij)n×n，n表示影響因素的個(gè)數(shù)，aij表示比起屬性j，用戶(hù)對(duì)屬性i的偏好程度的標(biāo)度. 標(biāo)度量化如表1所示.

表1　非功能屬性偏好標(biāo)度表

將A的元素按行相乘得到一個(gè)向量，將此向量開(kāi)n次方，將所得向量歸一化處理得到權(quán)重向量，即

權(quán)重向量為

2.4.4服務(wù)風(fēng)險(xiǎn)度量

對(duì)評(píng)分效用進(jìn)行歸一化處理,得

(i=1,2,…,n)2.4.5服務(wù)期望收益率度量

將服務(wù)的非功能屬性劃分為成本型屬性和收益型屬性，定義服務(wù)收益率ROS(returnonservice)進(jìn)行服務(wù)收益計(jì)算. 設(shè)服務(wù)所含越大越優(yōu)的非功能屬性(如可用性，可用性)為收益型屬性，相反，設(shè)越小越優(yōu)的非功能屬性(如價(jià)格，響應(yīng)時(shí)間)為成本型屬性，得到期望收益率公式：

式中：ROS(i)表示服務(wù)i的期望收益率；Sj(j=1,2,…,k)表示收益型屬性，屬性值越大越優(yōu)；Sj(j=k+1,…,n)表示成本型屬性，屬性值越小越優(yōu)；wj表示屬性j權(quán)重.

(i=1,2,…,n)

2.4.6根據(jù)均值-方差模型對(duì)服務(wù)進(jìn)行評(píng)估

2.5評(píng)估方法可行性分析

由圖2可知，本文提出的評(píng)估過(guò)程在評(píng)估系統(tǒng)中進(jìn)行. 在Web環(huán)境下，可在Web服務(wù)器上安裝本文評(píng)估系統(tǒng)的服務(wù)器端，用戶(hù)計(jì)算機(jī)上安裝評(píng)估系統(tǒng)客戶(hù)端，用戶(hù)通過(guò)輸入接口輸入評(píng)估系統(tǒng)所述相關(guān)信息，通過(guò)服務(wù)器端計(jì)算返回相關(guān)結(jié)果，即評(píng)估所得最佳服務(wù). 用戶(hù)不需要在客戶(hù)端進(jìn)行計(jì)算操作，降低了用戶(hù)的計(jì)算機(jī)負(fù)荷.

3仿真實(shí)驗(yàn)及結(jié)果分析

本實(shí)驗(yàn)實(shí)現(xiàn)文獻(xiàn)[20]中基于用戶(hù)偏好的服務(wù)評(píng)估方法(用AHP表示)，文獻(xiàn)[21]基于QoS的服務(wù)評(píng)估方法(用QoS表示)，文獻(xiàn)[19]中基于模糊偏好服務(wù)評(píng)估方法(用IIFS-SEA表示)，以及本文提出的支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法SEM-RP(serviceevaluationmethodbasedonriskpreferences).

實(shí)驗(yàn)中服務(wù)的非功能屬性值取自文獻(xiàn)[22]中真實(shí)數(shù)據(jù)，并限制數(shù)據(jù)范圍，使篩選出的服務(wù)屬性值更加穩(wěn)定，并根據(jù)本文方法進(jìn)行評(píng)分區(qū)間構(gòu)建. 針對(duì)風(fēng)險(xiǎn)偏好不同的用戶(hù)設(shè)置相應(yīng)風(fēng)險(xiǎn)偏好度，并將5 000個(gè)服務(wù)分為10組分別使用4種服務(wù)評(píng)估方法進(jìn)行評(píng)估，得出最佳服務(wù).

服務(wù)的非功能屬性方面，選取價(jià)格、響應(yīng)時(shí)間、安全性、可靠性、可用性、信譽(yù)度6個(gè)維度屬性進(jìn)行綜合評(píng)估. 用戶(hù)的屬性偏好度根據(jù)偏好標(biāo)度表判斷確定，用戶(hù)風(fēng)險(xiǎn)效用函數(shù)通過(guò)用戶(hù)給出風(fēng)險(xiǎn)偏好度確定.

用戶(hù)滿(mǎn)意度計(jì)算方法為：設(shè)第k個(gè)非功能屬性值為x，用戶(hù)對(duì)其滿(mǎn)意范圍為[a1,a2]，若該屬性為越大越優(yōu)的屬性，則用戶(hù)對(duì)該屬性的滿(mǎn)意程度為

若該屬性為越小越優(yōu)的屬性，則用戶(hù)對(duì)該屬性的滿(mǎn)意程度為

風(fēng)險(xiǎn)偏好度及效用函數(shù)的確定：設(shè)四類(lèi)用戶(hù)評(píng)定各自風(fēng)險(xiǎn)偏好度為0.25，0.40，0.50，0.75，根據(jù)2.4.2確定其標(biāo)準(zhǔn)無(wú)差異式分別為[0,1/2,1]～0.25，[0,1/2,1]～0.40，[0,1/2,1]～0.50，[0,1/2,1]～0.75；確定其效用函數(shù)分別為

本實(shí)驗(yàn)?zāi)M了針對(duì)風(fēng)險(xiǎn)偏好不同用戶(hù)，在同一時(shí)段對(duì)10組服務(wù)進(jìn)行評(píng)估，針對(duì)每個(gè)服務(wù)分別使用AHP，QoS，IIFS-SEA和SEM-RP等4種方法進(jìn)行評(píng)估，得到各自最佳服務(wù)，計(jì)算用戶(hù)對(duì)每個(gè)服務(wù)的滿(mǎn)意程度，得到的結(jié)果如圖3～6所示.

圖3對(duì)風(fēng)險(xiǎn)中立型用戶(hù)進(jìn)行服務(wù)評(píng)估實(shí)驗(yàn)

(風(fēng)險(xiǎn)偏好度θ=0.50)

圖4對(duì)風(fēng)險(xiǎn)偏好型用戶(hù)進(jìn)行服務(wù)評(píng)估實(shí)驗(yàn)

(風(fēng)險(xiǎn)偏好度θ=0.75)

圖5對(duì)風(fēng)險(xiǎn)規(guī)避型用戶(hù)進(jìn)行服務(wù)評(píng)估實(shí)驗(yàn)

(風(fēng)險(xiǎn)偏好度θ=0.40)

圖6對(duì)風(fēng)險(xiǎn)規(guī)避型用戶(hù)進(jìn)行服務(wù)評(píng)估實(shí)驗(yàn)

(風(fēng)險(xiǎn)偏好度θ=0.25)

從圖3中可以看出，對(duì)風(fēng)險(xiǎn)中立型用戶(hù)而言，即風(fēng)險(xiǎn)偏好度為0.50時(shí)，由于用戶(hù)對(duì)風(fēng)險(xiǎn)不敏感，用戶(hù)通過(guò)屬性值大小以及用戶(hù)偏好來(lái)確定并選擇服務(wù)，本方法關(guān)于用戶(hù)屬性偏好度計(jì)算方法與IIFS-SEA方法相同，因此針對(duì)風(fēng)險(xiǎn)不敏感用戶(hù)所得用戶(hù)滿(mǎn)意度與IIFS-SEA方法相近.

從圖4中可以得出，對(duì)于風(fēng)險(xiǎn)偏好型用戶(hù)，即風(fēng)險(xiǎn)偏好度為0.75時(shí)，用戶(hù)的屬性偏好度不變，用戶(hù)對(duì)風(fēng)險(xiǎn)有明顯的傾向性，AHP，QoS，IIFS-SEA方法沒(méi)有考慮用戶(hù)的風(fēng)險(xiǎn)偏好. 圖中結(jié)果表明，本方法選擇所得用戶(hù)滿(mǎn)意度優(yōu)于上述幾種方法.

從圖5和圖6中可以得出，對(duì)于風(fēng)險(xiǎn)規(guī)避型用戶(hù)，即風(fēng)險(xiǎn)偏好度小于0.5時(shí)，用戶(hù)屬性的偏好度不變，用戶(hù)對(duì)風(fēng)險(xiǎn)有明顯的傾向性. 圖中結(jié)果表明：本文服務(wù)評(píng)估方法所得用戶(hù)滿(mǎn)意度優(yōu)于其他幾種方法，并且隨著用戶(hù)對(duì)風(fēng)險(xiǎn)的敏感程度增加，本方法優(yōu)勢(shì)加大.

4結(jié)語(yǔ)

服務(wù)的執(zhí)行通常處于評(píng)分信息缺失的環(huán)境之中，這種信息缺失往往會(huì)帶來(lái)服務(wù)質(zhì)量的波動(dòng)從而導(dǎo)致服務(wù)存在質(zhì)量降低的風(fēng)險(xiǎn). 針對(duì)服務(wù)質(zhì)量波動(dòng)所造成的選擇風(fēng)險(xiǎn)性，本文提出一種支持用戶(hù)風(fēng)險(xiǎn)偏好的服務(wù)評(píng)估方法. 仿真結(jié)果表明，本方法在表達(dá)用戶(hù)屬性偏好的同時(shí)清晰表達(dá)了用戶(hù)的風(fēng)險(xiǎn)偏好特征，更完善地表達(dá)了用戶(hù)的個(gè)性化差異，提高了服務(wù)評(píng)估的有效性和準(zhǔn)確性.

參考文獻(xiàn)

[1] KONDRATYEVA1 O, CAVALLI A, KUSHIK N, et al. Evaluating quality of web services: a short survey[C] //Proceedings of IEEE 20th International Conference on Web Services. Santa Clara:IEEE, 2013: 587-594.

[2] BENOUARET K,BENSLIMANE D,HADJALI A. WS-Sky: an efficient and flexible framework for qos-aware web service selection[C] // Proceedings of IEEE Ninth International Conference on Services Computing. Honolulu:IEEE, 2012:146-153.

[3] MALIK Z, BOUGUETTAYA A. RATEWeb: m [J]. The VLDB Journal, 2009, 18(4): 885-911.

[4] 吳青林,周天宏.不確定QoS信息下的web服務(wù)選擇方法研究[J].湖北大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,37(2):179-184.

[5] CUI Yuehui, CHEN Chang, ZHAO Zhengde. Web service selection based on credible user recommended and QoS[C] // Proceedings of IEEE/ACIS 11th International Conference on Computer and Information Science. Shanghai,:IEEE, 2012:637-642.

[6] LIU TAO, XU FENG, YAO Yuan, et al. A group recommendation approach for service selection[C] //Proceedings of the Fourth Asia-Pacific Symposium on Internetware. Qingdao: ACM, 2012.

[7] ARNES A, VALEUR F, VIGNA G, et al. Using hidden Markov models to evaluate the risk of intrusions[C]//Proceedings of the RAID06. Hamburg:Springer, 2006: 145-164.

[8] SIMON D. Kalman filtering with state constriants:a survey of linear and nonlinear algorithms[J].IET Control Theory and Applications,2010,4(8):1303-1318.

[9] BOULKROUNE B,DAROUACH M,ZASADZINSKI M.Moving horizon state estimation for linear discrete-time singular systems[J].IET Control Theory and Applications,2010,4(3):339-350.

[10]李偉明,雷杰,董靜,等. 一種優(yōu)化的實(shí)時(shí)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)量化方法[J]. 計(jì)算機(jī)學(xué)報(bào),2009,32(4):793-804.

[11]張潤(rùn)蓮,武小年,周勝源,等. 一種基于實(shí)體行為風(fēng)險(xiǎn)評(píng)估的信任模型[J].計(jì)算機(jī)學(xué)報(bào),2009, 32(4):688-698.

[12]付艷艷,張敏,馮登國(guó),等. 基于節(jié)點(diǎn)分割的社交網(wǎng)絡(luò)屬性隱私保護(hù)[J]. 軟件學(xué)報(bào),2014, 25(4):768-780.

[13] ZINGG A，SIEGRIST M.Lay people’s and expert’s risk perception and acceptance of vaccination and culling strategies to fight animal epidemics[J].Journal of Risk Research,2012,15(1)：553-66.

[14]劉偉.移動(dòng)支付消費(fèi)者感知風(fēng)險(xiǎn)評(píng)價(jià)研究[D].武漢：華中科技大學(xué),2012.

[15]NEUMANN J von, MORGENSTERN O. Theory of Games and Economic Behavior[M]. Princeton: Princeton University Press, 1944.

[16]姜樹(shù)元,姜青舫. 定常風(fēng)險(xiǎn)偏好效用函數(shù)式及其參數(shù)確定問(wèn)題[J].中國(guó)管理科學(xué),2007,15(1):16-20.

[17]劉健,陳劍,劉思峰,等. 風(fēng)險(xiǎn)偏好與屬性約簡(jiǎn)在決策問(wèn)題中的應(yīng)用研究[J]. 管理科學(xué)學(xué)報(bào),2013,16(8):68-79.

[18]FARQUHAR P H.State of the art-utility assessment methods[J].Management Science，1984,30(11)：1283-1300.

[19]駱健.基于用戶(hù)偏好的IIFS-SEA服務(wù)評(píng)估方法[J]. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,42(11):80-85.

[20]DOU Wanchun, LV Chao, ZHANG Xuyun, et al. A QoS-aware service evaluation method for co-selecting a shared service[C] //Proceedings of the IEEE International Conference on Web Services. Washington DC:IEEE, 2011: 145-152.

[21]LI Fei, HE Yanxiang, HUI Wensheng, et al. Web service selection based on fuzzy QoS attributes[J]. Journal of Computational Information Systems, 2011,7(1):198-205.

[22]ZHENG Zibin, LYU M R. Personalized reliability prediction of web services[J]. ACM Transactions on Software Engineering and Methodology, 2013,22(2):1-25.

(編輯王小唯苗秀芝)

A service evaluation method based on risk preferences

WANG Haiyan, QU Huizhi

(College of Computer Science, Nanjing University of Posts and Telecommunications, 210036 Nanjing, China )

Abstract:We propose a service evaluation method based on risk preferences (SEM-RP) for the risk caused by quality volatility. First, complete description rating information according to the interval number theory is made. Then we use risk preference to identify user’s perceived risk in order to express different user’s risk propensity. After that, service revenue is obtained by calculate service attributes and users’ preferences according to the principle of revenue maximization, and finally we get service evaluation rating by calculate service revenue and user’s perceived risk. Simulation experiments and results demonstrate that the proposed method can clearly express the characteristics of user’s risk preference while expressing user preferences attributes and which have the performance of higher user satisfaction.

Keywords:service evaluation； risk preference； risk utility； service revenue

中圖分類(lèi)號(hào):TP301.6

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):0367-6234(2016)05-0110-07

通信作者:曲匯直, 191922094@qq.com.

作者簡(jiǎn)介:王海艷(1974—)，女，博士，教授.

基金項(xiàng)目:國(guó)家自然科學(xué)基金(61201163).

收稿日期:2015-04-16.

doi：10.11918/j.issn.0367-6234.2016.05.018