基于 CP-nets 的组合服务声誉引导

我们提出一种新颖框架，用于引导按需服务组合的声誉。按需组合通常具有上下文感知性，且极少或没有直接消费者反馈。单一或原子服务的声誉引导未考虑组合拓扑及声誉相关因素间的关系。我们针对组合中组件服务的声誉相关因素应用条件偏好网络 (Conditional Preference Networks, CP-nets)。组合服务的声誉通过 CP-nets 的组合来引导。我们考虑组件服务间的调用历史以确定组合中的声誉相互依赖。组合规则由组合拓扑与组件服务间四类声誉影响构建。提出一种基于启发式的 Q-learning 方法来选择最优的声誉相关 CP-nets 集合。实验结果证明了所提方法的效率。