17、天际线服务选择与航班乘客预测技术解析

天际线服务选择与航班乘客预测技术解析

天际线服务相关技术

在服务选择领域，天际线服务的规模会受到客户期望中术语数量的影响，也就是用于区分天际线服务的维度数量。例如，原本被其他服务主导的服务 s6，在一些新增维度上优于其他服务，从而不再被其他服务主导，成为天际线服务，这会使天际线服务的规模增加。

代表性合约导向天际线服务选择

当天际线服务数量庞大时，实际应用会受到限制。因此，提出了一些获取较小规模代表性服务的方法。这里提出了一种考虑客户期望的选择代表性合约导向天际线服务的方法，即 KReps - medoids 算法。该算法基于著名的 k - medoids 算法，将合约导向的天际线服务划分为 k 个簇，并从每个簇中选择一个具有最佳效用值的代表性服务。

对于两个给定的服务 x 和 y，它们之间的相似度是数值术语相似度和非数值术语相似度的组合，计算公式如下：
- 相似度公式：
- (Similar(x,y) = (Similar_{terms} + Similar_{qos}) / 2, \quad Similar(x,y) \in [0,1])
- (Similar_{qos}= 1 - \sqrt{\sum_{k = 1}^{q} (V’ {k}(x) - V’ {k}(y))^2 / q})，其中 (Similar_{qos} \in [0,1])，(V’ {k}(x)) 和 (V’ {k}(y)) 是基于特定公式的缩放值。
- 非数值术语相似度通过余弦相似度计算：(\cos(\theta) = \frac{\sum_{i = 1}^{|terms|} (X_{i} \c