基于层的复合声誉引导
分布式、并行与集群计算
2021-02-22 v1 机器学习
摘要
我们提出了一种用于复合服务的新型通用声誉引导框架。在基于层的框架中考虑多个与声誉相关的指标，以隐式反映组件服务的声誉。使用改进的随机森林算法学习某一指标对组件服务未来性能的重要性。我们提出了一种拓扑感知的森林深度神经网络（fDNN）来发现复合服务声誉与组件服务声誉指标之间的相关性。训练后的 fDNN 模型以置信值预测新复合服务的声誉。基于真实世界数据集的实验结果证明了所提方法的效率。
引用
@article{arxiv.2102.09951,
title = {Layer-based Composite Reputation Bootstrapping},
author = {Sajib Mistry and Athman Bouguettaya and Lie Qu},
journal= {arXiv preprint arXiv:2102.09951},
year = {2021}
}
备注
Accepted for publication in ACM Transactions on Internet Technology (TOIT), 2021