Trust optimization in the single web services using a neuro-fuzzy system
محورهای موضوعی : Data Envelopment Analysis
بهارک شاکری اسکی
1
(
دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
)
Abolfazl Toroghi Haghighat
2
(
Department of Computer, and IT Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
)
Mehran Mohsenzadeh
3
(
Department of Computer Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
)
کلید واژه: web service, optimization trust, neuro-fuzzy system,
چکیده مقاله :
Due to improvement of Internet, employing web services is developed. By utilizing web services, distributed applications can exchange information. Trust is a main criterion to choose the proper web service as web services selection is a main issue which is still absorbing researchers to conduct research works on this field and analyze it. Due to the significant of this problem, neuro-fuzzy system is used to optimize the trust of single web services. Eight factors such as QoS, user preferences, subjective perspectives, objective perspectives, credibility of raters, bootstrapping, dynamic computing of trust and independency are considered in the considered neuro-fuzzy system. To achieve a trust optimization, 8 membership function various neuro-fuzzy systems are considered in this paper. Ultimately, the obtained results illustrates that the root mean square error, the precision amount, the recall amount and the F score amount of the neuro-fuzzy system is: 0.0873 %, 0.986, 0.988 and 0.987.
به دلیل توسعه اینترنت، استفاده از وب سرویس ها توسعه یافته است. با استفاده از وب سرویس ها، برنامه های توزیع شده می توانند اطلاعات را تبادل کنند. اعتماد معیار اصلی برای انتخاب سرویس وب مناسب است زیرا انتخاب وب سرویس مسئله اصلی است که هنوز هم محققان را برای انجام کارهای تحقیقاتی در این زمینه و تجزیه و تحلیل آن جذب می کند. در این مقاله به دلیل اهمیت اعتماد در انتخاب وب سرویس ها، از سیستم عصبی-فازی برای بهینه سازی اعتماد استفاده شده است. هشت معیار از جمله کیفیت سرویس، ترجیحات کاربر، دیدگاه های ذهنی، دیدگاه های عینی، اعتبار ارزیابی کنندگان، بوت استراپینگ، محاسبات پویا اعتماد و استقلال در سیستم عصبی-فازی در نظر گرفته شده است. برای دستیابی به اعتماد بهینه، 8 تابع عضویت برای سیستم عصبی-فازی در این مقاله در نظر گرفته شده است. در نهایت ، نتایج بدست آمده نشان می دهد که میانگین خطای مربع ریشه ، مقدار دقیق ، مقدار فراخوان و مقدار نمره F سیستم عصبی-فازی: 0.0873٪ ، 0.986 ، 0.988 و 0.987 است.
