一种可信Web服务方法.docVIP

一种可信的Web服务推荐方法 　　摘 要：为实现对可信Web 服务的推荐，提出基于用户及相似用户使用经验的Web服务信任模型，该模型一方面定义用户自身服务使用经验为直接信任度；另一方面，依据相似用户使用经验定义推荐信任度。采用TOPK算法，选出与用户最相似的K个最近邻，根据直接信任度与间接信任度预测出服务性能后进行服务推荐。模拟实验结果表明，该方法能有效进行Web服务推荐。 　　关键词关键词：Web 服务；直接信任度；推荐信任度 　　DOIDOI：10.11907/rjdk.151605 　　中图分类号：TP301 　　文献标识码：A 文章编号文章编号2015）009003903 　　0 引言 　　Web服务技术屏蔽了不同平台间的差异，在基于P2P技术的电子商务等自组织中显示出了巨大优势，因为使用该技术可将自组织系统使用者变为Web服务提供者和使用者[ 1 ]，这必将极大方便用户使用。然而开放、动态、自治的环境，使服务在使用时面临可信问题。 　　针对功能属性基本相同的服务，传统服务选择方案是针对QoS属性值分别赋予不同权重，进行简单相加，最后将分数最高的服务返回用户。为加强对服务运行风险因素的评估，人际网络中的信任概念被引入计算机系统[ 2 ]。文献[ 3 ]提出了一种基于分布式结构的信任评估框架，主要以用户反馈及声誉作为信任模型，这种信任模型考虑到用户自身使用经验；文献[ 4 ]提出了一种基于信任的服务选择方法。但以上方法都没有考虑动态环境下服务对不同用户的性能差异问题，也无法甄别、排除不诚信用户的影响。 　　推荐系统是实现信息过滤的重要手段，本文借鉴推荐算法思想改进信任模型，提出一种在P2P环境下的可信Web服务推荐方法，该方法的重点：①注重用户自身服务使用经验，使服务选择结果更加符合用户需求；②使用TOPK算法对用户进行甄别，只有和用户服务使用经验相类似的K个用户才有资格向其他用户推荐服务，一定程度上排除不诚信用户在服务选择上的消极影响。在此基础上，提出一种可信的Web服务推荐方法，通过用户及最近邻的使用经验来预测服务性能，并进行推荐，保障服务可靠性。 　　1 推荐数据获取 　　推荐算法是一种实现信息过滤的重要手段，在电子商务等领域中有比较广泛的应用，其主要思想是基于相似用户的选择预来测目标用户的选择。在利用推荐算法推荐服务前，首先要确定用什么数据进行服务推荐。 　　本文主要通过可信性即服务的信任度进行度量。信任度一般与QoS属性（如可靠性、价格、可用性等）密切联系，本文延用这一思路定义服务信任度，但在具体衡量时发现，有的QoS属性是相互关联，如价格和可靠性，价格高的服务相对而言可靠性要高，价格低的服务相对而言可靠性较差；若不考虑价格因素，有的QoS属性是相互抑制，如易用性与安全性。如果只笼统给出一个综合评价结果，很难界定服务最后的性能。所以本文对QoS属性描述采用四元组reqk={lk，，uk，wk，Tk}，其中Lk，uk分别指用户对于属性qk能接受的上下限，wk代表用户对该属性的偏好程度，Tk表示该属性类型，包括区间型、文字描述型和门限型，标准化方法同文献[ 6 ]。 　　用户在调用完服务后会对服务进行满意度反馈，满意度通过分值来体现，分值被分为10级，即1-10级，从极度不满意到十分满意，其标准化方法=用户打分级别/10。 　　2 可信度评估方法 　　在P2P环境下，Web服务执行受路由状况、网络状况及硬件设备等因素的影响，服务的平均QoS值对各用户借鉴度并不高，对用户而言，其更相信自己及与自己状况相似用户的服务体验。本文从这一角度出发，定义Web服务的直接信任度和推荐信任度。 　　2.1 直接信任度 　　服务请求者自身的服务体验对其服务选择具有决定性影响，用户一般都不会再次选择使自己感到不愉快的服务。直接信任度是服务请求者自己调用服务后生成的反馈评价，是服务请求者与服务间历史交互后所产生的QoS属性值的综合反映 [5]。用户u与服务si历史上共进行了N次交易，其中成功交易L次，那么一次成功的交易，所获得信任度为： 　　当服务没有被用户调用过时，用服务提供者发布服务QoS值进行预测。 　　3 一种可信的Web服务推荐模型 　　定义服务直接信任度与推荐信任度后，本文提出一种在P2P环境下的可信Web服务推荐模型，如图1所示。主要包含3种角色：服务提供者、用户和注册节点，其作用如下： 　　①服务提供者：在注册节点中实名注册、并发布服务信息。在P2P环境下，服务提供者可选择使用多个注册节点发布服务信息； 　　②用户：服务需求者。在P2P环境下用户必须在注册节点中实名注册，并且在调用服务后向注册节点反馈其服务使用评价； 　　③注册节点：注册节点在扩展UDD