亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于區(qū)間和灰色關(guān)聯(lián)度的云制造服務(wù)匹配方法

        2022-04-04 05:21:30馬仁杰
        計算機集成制造系統(tǒng) 2022年3期
        關(guān)鍵詞:查全率需求方分詞

        馬仁杰,陳 軍,郭 鋼+

        (1.重慶大學(xué) 汽車工程學(xué)院,重慶 400044;2.后勤工程學(xué)院 軍事供油工程系,重慶 400000)

        0 引言

        隨著21世紀第四次工業(yè)革命的到來,制造業(yè)得到了高度重視,我國也提出了“中國制造2025”發(fā)展計劃。云制造利用云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等先進技術(shù)將制造資源和能力虛擬化,構(gòu)建制造服務(wù)云平臺,實現(xiàn)統(tǒng)一智能化管理[1]。在制造資源集聚后,云制造環(huán)境中存在多樣化服務(wù),而根據(jù)客戶需求為客戶精準匹配與推薦云制造服務(wù)極為重要。

        目前,國內(nèi)外學(xué)者已經(jīng)對云制造服務(wù)的匹配推薦展開了大量研究。李慧芳等[2]考慮了服務(wù)的類別、狀態(tài)、功能信息和服務(wù)質(zhì)量(Quality of Service, QoS),基于概念相似度對服務(wù)進行了綜合匹配;杜易洲等[3]著眼于需求描述方面,采用資源描述框架對制造需求和服務(wù)進行表述;AL-FAIFI等[4]提出一種混合多準則決策方法,從智能數(shù)據(jù)中評估和排序云服務(wù)提供商;XUE等[5]提出一種基于計算實驗的評價框架來驗證服務(wù)匹配策略性能;SIMEONE等[6]同時針對多個服務(wù)方和需求方,用深度神經(jīng)網(wǎng)絡(luò)為客戶提供決策推薦;文獻[7-9]則均運用了遺傳算法進行服務(wù)優(yōu)選。

        上述研究均為云制造服務(wù)匹配推薦方法提供了參考,由于云制造服務(wù)的多樣性、屬性值的波動性以及需求方的個性化需求,總體的匹配呈現(xiàn)出不確定性,目前常用模糊模型處理該類不確定性問題。文獻[10]采用基于直覺模糊集的綜合加權(quán)方法;文獻[11]采用雙重猶豫模糊集進行制造商和供應(yīng)商雙邊匹配;文獻[12]構(gòu)建了模糊層次分析法和加權(quán)總和乘積評估的綜合決策模型來評價云服務(wù);文獻[13]在粗糙集理論中引入了用戶后悔理論;文獻[14-16]均采用區(qū)間數(shù)模型和遺傳算法進行服務(wù)匹配選擇;文獻[17]和文獻[18]都基于灰色關(guān)聯(lián)分析對服務(wù)進行綜合評價并選擇。

        在匹配推薦階段,上述方法都可以在QoS方面提供決策支持,但少有文獻能結(jié)合客戶的實際需求與實際服務(wù)屬性值的不確定性形成綜合模型。

        本文構(gòu)建了綜合的云制造服務(wù)匹配推薦模型,依次對服務(wù)資源類型、服務(wù)資源描述、服務(wù)資源QoS進行匹配,其中,QoS匹配考慮了屬性的不確定性和需求方偏好,采用了區(qū)間數(shù)和灰色關(guān)聯(lián)度的方法,最后,本文考慮了用戶反饋,形成了匹配閉環(huán)。

        1 云制造服務(wù)模式

        1.1 云制造服務(wù)平臺運行模式

        云制造服務(wù)和需求的匹配依賴于云服務(wù)平臺,該平臺聚合了各類需求和服務(wù),包含服務(wù)方、需求方、運營方3種角色。需求方在平臺上發(fā)布需求或檢索服務(wù),服務(wù)方在平臺上提供服務(wù),運營方負責平臺運營,最終實現(xiàn)在云服務(wù)平臺上需求方和服務(wù)方完成服務(wù)資源匹配、選擇評價、談判交易、支付結(jié)算等制造資源全過程服務(wù)活動。

        1.2 云制造信息資源管理模式

        在云制造服務(wù)平臺中,需要對用戶信息及各項資源進行管理,以便將信息形式化描述后進行匹配推薦。如圖1所示為云制造信息資源管理模式,首先利用分詞處理器、同義詞字典、語義本體結(jié)構(gòu)樹等工具進行需求解析,利用Web服務(wù)資源框架(Web Service Resource Framework, WSRF)對資源進行標準化、松耦合、高透明的封裝并集成,進而形成需求云和制造云[19]。然后通過映射管理工具將需求云映射到相關(guān)度最大的制造云內(nèi),從而匹配相應(yīng)制造資源。

        2 云制造服務(wù)資源匹配模型

        封裝后的云制造服務(wù)資源有各種屬性信息,反映了不同云制造服務(wù)的不同特征,為了滿足需求方的個性化需求,需要對各類信息進行匹配推薦,基于區(qū)間和灰色關(guān)聯(lián)度的云制造服務(wù)資源綜合匹配推薦模型如圖2所示。

        定義服務(wù)方提供的服務(wù)資源是一個四元組S=(Sbasic,Stype,Sdescribe,SQoS),分別代表提供服務(wù)資源的基本信息(如名稱、地址等)、類型(如設(shè)備、物料、人力等)、描述信息、服務(wù)質(zhì)量(如時間、價格、信譽度等)。類似地,定義需求方的需求是一個四元組D=(Dbasic,Dtype,Ddescribe,DQoS)。具體匹配過程為分別對服務(wù)資源類型、描述信息、QoS信息計算相似度Simt、Simd、Simq,每一步需要濾除相似度低的服務(wù),并采用上一步過濾后的剩余服務(wù)集合作為輸入進行計算,最終用加權(quán)方法計算綜合相似度Sim(D,S),并做出排序推薦。

        3 云制造服務(wù)資源匹配算法

        3.1 服務(wù)資源類型匹配

        首先根據(jù)需求解析情況,按照資本資源、物料資源、設(shè)備資源、技術(shù)資源、人力資源、軟件資源、物流資源、用戶信息資源進行分類,具體細分參考文獻[19]。服務(wù)本體中概念有5種關(guān)系,如圖3所示。

        可以利用這5種關(guān)系對服務(wù)資源類型進行匹配,由此可計算服務(wù)資源類型匹配相似度Simt:

        Simt=

        (1)

        當Dtype和Stype為Mismatch關(guān)系時,該服務(wù)不能滿足需求方的需求,因此,在該步驟將該類匹配即Simt=0的服務(wù)濾除,并將剩余服務(wù)交由下一步的服務(wù)資源描述匹配。

        3.2 服務(wù)資源描述匹配

        服務(wù)資源描述匹配是對需求名稱、具體描述等的匹配,在此之前,需要對需求和服務(wù)這類自然語言信息進行解析,通常是對信息進行分詞處理得到關(guān)鍵詞后,再進行語義或關(guān)鍵詞的匹配,如文獻[20]通過構(gòu)建檢索關(guān)鍵詞規(guī)范化模塊、分詞處理器提取分詞、同義詞字典規(guī)范化關(guān)鍵詞對自然語言信息進行解析。常用的分詞方法有基于詞典的分詞方法、基于統(tǒng)計的分詞方法、基于理解的分詞方法、詞典與統(tǒng)計相結(jié)合的分詞方法[21]?;谠~典的分詞方法如正向最大匹配算法、逆向最大匹配算法、N-最短路徑分詞法等具有分詞速度快、效率高、容易實現(xiàn)的優(yōu)點;基于統(tǒng)計的分詞方法如N元語言模型、互現(xiàn)信息模型等具有分詞更準確的優(yōu)點,因此可根據(jù)實際需求選取方法或?qū)⒍哌M行結(jié)合[21]。解析完成后,本文參考文獻[2]的語義概念相似度匹配方法對解析后的形式化表達關(guān)鍵詞進行匹配,其思想是利用本體結(jié)構(gòu)樹將語義距離轉(zhuǎn)化為概念相似度,進而計算出描述匹配相似度Simd。限于篇幅,本文不再贅述相關(guān)計算過程。

        對集合Ddescribe內(nèi)的每一個元素,依次計算其與Sdescribe內(nèi)的每一個對應(yīng)概念元素的語義概念相似度,并取最大相似度Simmax,若本體結(jié)構(gòu)樹中存在對應(yīng)概念元素且Simmax=0,則濾除該服務(wù),如此遍歷Ddescribe內(nèi)的每一個元素,則服務(wù)資源描述匹配相似度

        (2)

        再濾除Simd小于設(shè)定值的服務(wù),將過濾后剩余的服務(wù)交由下一步的QoS匹配。

        3.3 服務(wù)資源QoS匹配

        服務(wù)資源QoS匹配實質(zhì)上是多屬性決策過程,QoS屬性有多種,屬性值量綱不一且存在波動,區(qū)間數(shù)通過用區(qū)間表示數(shù),展現(xiàn)一個閉區(qū)間上所有實數(shù)集合,因此可以用區(qū)間數(shù)來體現(xiàn)屬性值的波動不確定性,從而使屬性信息更真實。此外,傳統(tǒng)的逼近理想解排序法(TOPSIS)和歐氏距離的應(yīng)用僅能反映數(shù)據(jù)曲線的位置關(guān)系,但不能反映數(shù)據(jù)序列的態(tài)勢變化,因此可以引入灰色關(guān)聯(lián)分析方法,以數(shù)據(jù)序列的幾何相似度即數(shù)據(jù)曲線相似度來衡量序列之間的關(guān)聯(lián)度,如果方案與理想方案的灰色關(guān)聯(lián)度越大,就可認為方案越接近理想方案[22]。此時,若引入需求方主觀偏好代替理想方案,匹配結(jié)果將更貼近用戶的真實需求偏好。因此本文采用基于區(qū)間數(shù)和灰色關(guān)聯(lián)度的決策方法,考慮了屬性值波動情況和需求方偏好,使匹配結(jié)果最大程度地反映真實情況。

        步驟1構(gòu)建QoS客觀偏好矩陣。

        (3)

        該矩陣可以看作是基于服務(wù)方QoS屬性值的客觀偏好矩陣,反映了客觀情況下的QoS情況。

        步驟2對客觀偏好矩陣規(guī)范化。

        對于效益型屬性:

        i=1,2,…,p;j=1,2,…,q。

        (4)

        對于成本型屬性:

        i=1,2,…,p;j=1,2,…,q。

        (5)

        步驟3構(gòu)建QoS主觀偏好矩陣。

        (6)

        步驟4建立灰色關(guān)聯(lián)系數(shù)矩陣。

        灰色關(guān)聯(lián)系數(shù)計算如下:

        (7)

        步驟5建立優(yōu)化模型并求解權(quán)重。

        第i個服務(wù)的QoS匹配相似度計算模型如下:

        (8)

        考慮到應(yīng)使Simq盡可能大,即灰色關(guān)聯(lián)度盡可能大,由此可建立多目標規(guī)劃模型:

        (9)

        由于各服務(wù)方案公平競爭,不存在任何偏好關(guān)系,可將多目標優(yōu)化模型轉(zhuǎn)化成單目標優(yōu)化模型:

        (10)

        解上述單目標優(yōu)化模型,可以得到不同QoS的權(quán)重ωj。

        步驟6計算QoS匹配相似度。

        將步驟5得到的所有權(quán)重ωj代入式(8),求得每個服務(wù)加權(quán)后的灰色關(guān)聯(lián)度,即QoS匹配相似度Simq。濾除小于設(shè)定值的服務(wù),再將過濾后剩余的服務(wù)交由下一步的服務(wù)資源匹配綜合相似度計算。

        3.4 服務(wù)資源匹配綜合相似度計算

        計算得到服務(wù)資源類型匹配相似度Simt、描述匹配相似度Simd、QoS匹配相似度Simq后,需要根據(jù)式(11)計算服務(wù)資源匹配綜合相似度Sim(D,S):

        Sim(D,S)=α×Simt+β×Simd+γ×Simq。

        (11)

        式中α、β、γ為綜合匹配的權(quán)重系數(shù),需滿足α+β+γ=1,且α≥0,β≥0,γ≥0。

        綜上,根據(jù)求出的剩余服務(wù)的綜合匹配相似度Sim(D,S)大小,對服務(wù)進行降序排序,并將排序后的服務(wù)輸出給需求方,作為服務(wù)推薦。

        3.5 用戶反饋調(diào)整

        用戶反饋是需求與服務(wù)匹配推薦環(huán)節(jié)中閉環(huán)控制重要的一環(huán),在本文匹配推薦方法的QoS方面,根據(jù)調(diào)整內(nèi)容可分為主觀QoS反饋和客觀QoS反饋。

        (1)主觀QoS反饋

        主觀QoS反饋是指在需求方得到推薦結(jié)果且未選擇所需服務(wù)時,對排序結(jié)果的進一步反饋調(diào)整優(yōu)化。若需求方對排序結(jié)果不滿,可通過調(diào)整3.3節(jié)中步驟3的QoS主觀偏好矩陣或?qū)?yīng)權(quán)重重新優(yōu)化排序。此外,需求方也可以對推薦后得到的服務(wù)某一QoS值降序排序,從而進一步優(yōu)化排序結(jié)果。

        (2)客觀QoS反饋

        客觀QoS反饋是指需求方已經(jīng)選擇了目標云制造服務(wù)且服務(wù)使用完成后需求方提供的反饋,體現(xiàn)了用戶對服務(wù)的滿意度,主要是對服務(wù)客觀QoS值的反饋調(diào)整。設(shè)對于某一服務(wù)的某個可評價客觀QoS共有t個需求方做出評價反饋,分別對應(yīng)客觀QoS反饋值FBQoS1,FBQoS2,…,FBQoSt,則此時該服務(wù)的該項Qos值應(yīng)更新為:

        (12)

        由此通過主觀和客觀QoS反饋機制對服務(wù)QoS實行閉環(huán)實時調(diào)整,同時考慮需求方的滿意度,使其具有時效性。

        4 算例驗證

        為了說明該云制造服務(wù)匹配推薦算法模型的合理性和有效性,以發(fā)動機相關(guān)的2 000個云制造服務(wù)為例進行驗證。

        假設(shè)需求方的需求是一個三元組,即D=({Dtype:成品},{Ddescribe:活塞銷,低碳鋼,數(shù)量,硬度,表面粗糙度},{DQoS:時間,價格,魯棒性,信譽度}),設(shè)需求方對不同QoS的權(quán)重集合W={[0.2,0.3] [0.2,0.3] [0.2,0.3] [0.2,0.3]},需求方對類型、描述、QoS匹配的權(quán)重分別為α=0.3,β=0.4,γ=0.3,為便于比較,此處假設(shè)需求方的主觀偏好矩陣為Y=[[1.0,1.0] [1.0,1.0] [1.0,1.0] [1.0,1.0]]。

        設(shè)服務(wù)方提供的服務(wù)有2 000個,部分信息如表1所示。

        表1 服務(wù)方所提供服務(wù)的屬性信息

        步驟1服務(wù)資源類型匹配。

        根據(jù)圖3和式(1)計算服務(wù)類型匹配相似度Simt,由于Dtype為成品,與Stype的成品為Exact關(guān)系,與物料資源為Plugin關(guān)系,故Simt=1;而成品與原材料、輔助用品、半成品均為Mismatch關(guān)系,故Simt=0。然后濾除計算結(jié)果為0的服務(wù),并將剩余的881個服務(wù)組成的服務(wù)集合作為步驟2描述匹配的初始服務(wù)集合。

        步驟2服務(wù)資源描述匹配。

        本文參考文獻[1]給出的發(fā)動機本體結(jié)構(gòu)樹,根據(jù)文獻[2]的方法計算得到發(fā)動機語義概念相似度,如表2所示。同理可得材料信息語義概念相似度,數(shù)量、硬度和表面粗糙度則采用布爾值進行計算。

        表2 發(fā)動機語義概念相似度相關(guān)數(shù)據(jù)

        最終由式(2)計算得到Simd,假設(shè)描述匹配相似度設(shè)定值為0.6,濾除小于0.6的服務(wù),并將剩余的201個服務(wù)組成的服務(wù)集合作為下一步QoS匹配的初始服務(wù)集合。

        步驟3服務(wù)資源QoS匹配。

        對201個服務(wù)的QoS屬性按照3.3節(jié)的步驟計算QoS匹配相似度,最終求得單目標優(yōu)化模型的權(quán)重為ω1=0.2,ω2=0.2,ω3=0.3,ω4=0.3,并得到服務(wù)的Simq值。設(shè)QoS匹配相似度設(shè)定值為0.6,濾除小于0.6的服務(wù),并將剩余的62個服務(wù)組成的服務(wù)集合作為下一步綜合相似度計算的初始服務(wù)集合。

        步驟4服務(wù)資源匹配綜合相似度計算。

        根據(jù)式(11)計算綜合相似度,計算得到上述62個服務(wù)的綜合相似度,如表3所示。對該62個服務(wù)進行降序排序后得到返回的服務(wù)資源集合為{S1 030,S388,S120,S1 899,S1 761,S1 930,S1 591,S992,…,S752,S1 325,S1 418},并將該集合作為輸出推薦給需求方。

        表3 綜合相似度計算結(jié)果

        表4 不同算法服務(wù)匹配推薦結(jié)果比較

        通常情況下,查準率越高,查全率就越低,文獻[2]由于并未對QoS匹配結(jié)果進行篩選,導(dǎo)致其所得服務(wù)較多,故其查全率較高,而實際情況下其查全率和查準率會更低。文獻[1]由于采用了聚類的方法,容易將一些顧客能接受的處于聚類邊緣的服務(wù)誤分類,導(dǎo)致其查全率和查準率較差。因此,綜合比較來看,實際情況下本文匹配方法的查全率和查準率相對較高。

        云制造環(huán)境下的服務(wù)數(shù)量存在變化,因此,本文還分析了不同服務(wù)數(shù)量情況下的查準率和查全率,并與文獻[1]和文獻[2]進行了對比,結(jié)果如圖4和圖5所示。

        可以看出,在不同服務(wù)數(shù)量情況下,本文匹配方法的查準率普遍高于文獻[1]和文獻[2]的方法,查全率和文獻[2]差別不大,但優(yōu)于文獻[1]。此外,文獻[1]的波動較大,而本文隨著服務(wù)數(shù)量的增加,查準率和查全率趨于平穩(wěn),更符合云制造情況下的海量數(shù)據(jù)情形。

        此外,用戶可以根據(jù)自身需求選擇主觀偏好矩陣Y和權(quán)重,并進行QoS反饋調(diào)整,從而避免篩選得到某些用虛假信息或非正常價格產(chǎn)品博人眼球的服務(wù),因此,本文匹配方法允許需求方通過設(shè)定區(qū)間喜好濾除這類某一方面過于極端化的服務(wù),使需求方更好地選擇綜合最優(yōu)的服務(wù)。

        綜上所述,本文基于區(qū)間和灰色關(guān)聯(lián)度的云制造服務(wù)資源綜合匹配推薦方法有效,且相對其他文獻查全率和查準率得到了改善。此外,區(qū)間數(shù)表示更能彰顯實際情況的不確定性,引入的需求方主觀偏好能使推薦結(jié)果符合需求方真實需求,以達到選擇綜合最優(yōu)的目的。

        5 結(jié)束語

        本文考慮了實際情況下云制造服務(wù)需求方的個性化需求和服務(wù)屬性值的不確定性,介紹了云制造服務(wù)模式和匹配推薦模型,提出了一種基于區(qū)間和灰色關(guān)聯(lián)度的云制造服務(wù)資源綜合匹配推薦方法。該方法總體上分為服務(wù)資源類型匹配、描述匹配、QoS匹配、綜合相似度計算、用戶反饋調(diào)整5個步驟。其中,服務(wù)資源類型、描述、QoS匹配步驟需要對服務(wù)進行過濾,濾除不滿足設(shè)定值的服務(wù),并將剩余服務(wù)交由下一步驟。最后,通過算例驗證說明了本文算法的有效性,并通過對比實驗顯示了本文算法準確率高、穩(wěn)定性好,且能反映實際情況下需求方的個性化需求,同時考慮了服務(wù)屬性值的波動不確定性和匹配的閉環(huán)控制。本文之后的工作首先將在QoS評價指標中開展,著重研究QoS指標的選??;然后再對QoS匹配算法進行深入研究,考慮在QoS匹配中引入三角模糊數(shù)或隸屬度函數(shù),以求改進現(xiàn)有算法;最后考慮將整個云制造服務(wù)資源匹配算法應(yīng)用到實際的云制造服務(wù)平臺中,探討其在實際應(yīng)用中的可行性與實用性。

        猜你喜歡
        查全率需求方分詞
        面向軟件外包平臺的協(xié)同過濾推薦算法的研究
        實時競價中的傭金率問題研究
        結(jié)巴分詞在詞云中的應(yīng)用
        智富時代(2019年6期)2019-07-24 10:33:16
        海量圖書館檔案信息的快速檢索方法
        共享單車市場的發(fā)展現(xiàn)狀與前景研究
        基于詞嵌入語義的精準檢索式構(gòu)建方法
        值得重視的分詞的特殊用法
        中文分詞技術(shù)對中文搜索引擎的查準率及查全率的影響
        高考分詞作狀語考點歸納與疑難解析
        論英語不定式和-ing分詞的語義傳承
        久久99天堂av亚洲av| 粗大挺进尤物人妻一区二区| 亚洲综合原千岁中文字幕| 青青草好吊色在线观看| 亚洲欧美国产精品久久| 国产精品99久久久久久宅男| 国产精品日日摸夜夜添夜夜添| 青青草在线免费观看在线| 亚洲中文字幕无码av永久| 无码任你躁久久久久久| 国产精品美女黄色av| 日韩在线视频专区九区| 国产a级毛片久久久精品毛片| 国产亚洲一区二区手机在线观看| 2022国内精品免费福利视频| 精品女同一区二区三区亚洲| 国产免费观看黄av片| 99精品免费久久久久久久久日本| 久久免费观看国产精品| 最全精品自拍视频在线| 欧洲美熟女乱av亚洲一区| 久久久精品人妻久久影视| 国产成人精品曰本亚洲| 亚洲乱熟妇一区二区三区蜜桃| 加勒比一本heyzo高清视频| 精品香蕉久久久爽爽 | 人妻丰满熟妇av无码区hd| 国产女人精品视频国产灰线| 国产一区二区三区在线观看免费版| 亚洲欧洲日产国码av系列天堂 | 国产人成无码视频在线观看| 精品国产成人亚洲午夜福利| 久久91精品国产91久久麻豆| 亚洲精品视频中文字幕| 内射少妇36p亚洲区| 99久久人妻无码精品系列蜜桃 | 伊人精品在线观看| 少妇隔壁人妻中文字幕| 无码精品人妻一区二区三区漫画 | 中文字幕丰满人妻有码专区| 亚洲国产精品成人天堂|