1.一种面向多用户的可持续多云服务组合的获取方法，包括如下步骤：S100：基于社交网络的信息构建多用户‑服务评分矩阵；

S200：对所述多用户‑服务评分矩阵用SVM回归做进一步优化，然后将服务进行DBSCAN聚类，得到服务请求序列；

S300：将所述服务请求序列输入到概念格，进行筛选运算，得出候选云组合，再计算每个候选云组合的可持续指标，并据此来获取满足最佳可持续性的多云服务组合；

其中，步骤S100具体为：

基于社区内用户的服务订阅记录，构建多用户‑服务评分矩阵，记为A，该矩阵包括s个用户u1，u2，…，us， 对t个服务S1，S2，…，St的评分，即 A 为 s×t阶的矩阵，s和t均为自然数，矩阵中的元素 表示用户 i 对服务j的评分， i和j均为自然数，且1 ≤ i ≤ s，1≤j≤t；矩阵 A 表示为： ；

其中，步骤S200进一步包括如下步骤：

S201：对所述多用户‑服务评分矩阵用SVM回归预测缺失值，并补全所述多用户‑服务评分矩阵的缺失值；

S202：将优化后的服务进行DBSCAN聚类；

S203：计算服务相关性；

其中，步骤S300进一步包括如下步骤：

S301：建立服务‑提供商格和提供商‑云格；

S302：将所述服务请求序列输入服务‑提供商格，得到提供商组合；

S303：将所述提供商组合输入提供商‑云格，输出侯选云服务组合；

S304：依次对所述候选云服务组合逐一计算可持续指标，从高到低排序输出云服务组合；

其中，步骤S201具体为：

首先，构建服务训练集 ,其中，

表示没有缺失值的用户i中除去服务d后对其他服务评价数据所构成的向量， 表示第i个用户对第j个服务的评价值，m是训练集中服务，n是服务数量，m，n都是正整数；

然后，以 为输入值， 为对应的目标值，将样本点用函数 映射到高维特征空间进行线性回归，继而获得在原空间中的估计结果；设估计函数为： ，其中，f(x)是估计函数，为权向量， 为输入的非线性映射集合，b为阈值；经过推导，可得回归估计函数 ， 为支持向量，决定了f(x)的复杂度， 为满足Mercer的核函数，为阈值；

最后，缺失数据 为其预测值；然后补全用户‑服务评分矩阵的缺失值。

2.根据权利要求1的方法，其中，步骤S202具体为：样本集是服务集合{S1，S2，…，St}，输入邻域参数 ，对于i=1,2,...t，通过欧氏距离度量方式，找到服务Si的Eps‑邻域子服务集 ，若服务数量，那么Si是核心服务，也就形成一个簇，否则服务Si不是核心服务，i+1，遍历下一个服务。

3.根据权利要求1的方法，其中，步骤S203具体为：计算请求服务 与同一簇中的其他服务 的相关性，计算公式为 ，其中： 和 分别是第j个

用户对服务 与服务 的评分， 代表所有用户对服务 的评分均值，代表所有用户对服务 的评分均值；将服务集合{S1，S2，…，St}，矩阵 代入其中，给定目标用户已经选择的服务，经过相似度计算公式，得到服务请求序列。

4.根据权利要求1的方法，其中，步骤S302具体为：将所述服务请求序列输入服务‑提供商格，针对每个概念，从第i个服务‑提供商格开始，把服务请求序列R依次输入到它中，针对每个概念，R和此概念的外延被检查匹配，若有外延相交不为空的时刻，概念对应的内涵被放入一个集合Ω，并去除作为交集的服务，循环遍历所有的概念，直到服务请求序列的个体全都被匹配到，找到能满足条件的候选提供商组合。

5.根据权利要求1的方法，其中，步骤S303具体为：候选提供商组合Pi作为输入，进入到提供商‑云格，将候选提供商组合P1与其中的概念的外延依次做交集，若交集为空，直接跳过该概念，若交集不为空，此概念内涵存到一个集合K，P1去除交集服务继续匹配下一个概念，直到P1为空，Pi重复上述过程，最终的输出就是候选云服务组合。

6.根据权利要求1的方法，其中，步骤S304具体为：对每组候选云服务组合，计算公式如下： ，

其中，N为产生的候选云服务组合的个数， ，均为一个常数，取值为正整数；可持续指标 代表侯选云服务组合具有的可持续性的程度，代表第k个云服务组合为最终被获取的可持续性最高的云服务组合； 表示耗能评估参数， 表示价格评估参数， 表示信任评估参数。