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：16727800（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UDDI中心存储服务注册信息。接受用户服务请求后，通过匹配器匹配得到满足用户功能需求的服务组，然后评估模块查询服务、用户信息数据库，计算用户直接、间接信任度后，根据预测QOS值向用户推荐服务。

当用户调用该服务后向注册节点反馈评价信息，这些评价信息将被存储在注册节点上的服务信息数据库中，该用户调用信息也会被存储在用户信息数据库中。具体流程如下：

①根据用户u的服务请求，在扩展的UDDI中心进行基于功能的服务匹配，得到一组满足功能属性的服务列表S{s1，s2，……sn}；

②检查用户信息数据库，查询用户u和服务列表S中所有服务的直接信任度；

③根据式（3）计算其它各用户对用户u的推荐信任度，选择其中和u相似性最大的K个用户为用户u最近邻；

④检查列表S中所有服务和的历史交易信息，根据式（4）直接预测各服务对于用户U的QOS值，并将QoS值最大的服务反馈给用户；

⑤用户u调用服务，交易结束后，用户向注册节点反馈本次服务运行状况，注册节点更新服务信息数据库和用户信息数据库。

图1 Web服务推荐模型

4 模拟实验与结果分析

模拟实验在WinXP上使用Matlab7.0和Mysql5.0实现，模拟实现携程网上预订酒店服务，实验中QOS属性值包括可靠性、响应时间、价格、用户满意度。实验参数主要包括服务数200、客户数100。将本文方法与基于服务QOS均值进行预测，与文献[ 5 ]方法进行比较。

首先进行测试，随着调用次数增加，服务调用成功率变化状况。从图2（a）中可以看出当调用次数较少时，以上3种方法调用成功率比较接近；当调用次数增加时，本文方法逐渐显示出优势，成功率较高。

当有不诚信客户时，再次测试，服务调用成功率发生

变化。实验中，每个用户各调用服务50次，其中不诚信用

户数量在不断变化。从图2（b）中可以看出，当存在不诚信客户时，服务调用成功率整体稍有下降；当调用次数增加时，由于本文方法只取和自己最相似的K个用户计算推荐信任度，因此在一定程度上避免了不诚信客户的影响，成功率相对比较稳定。

图2 实验结果

5 结语

本文通过引入推荐系统思想提出信任模型，利用相似用户选择预测服务的性能。首先定义直接信任度和推荐信任度，并在此基础上提出一种可信的Web服务推荐方法，该方法在对服务QOS预测中充分考虑了用户及相似用户的使用经验，因而提高了服务选择精确度。在后续研究中，将继续对服务选择作进一步研究，以增强服务预测准确性、提高服务选择效率。

参考文献参考文献：

[ 1 ] 陈卫国，李敏强，赵庆展.基于P2P环境下的Web服务信任模型研究[ J ].计算机科学，2015，42（1）：113118.

[ 2 ] BETH T，BORCHERDING M，KLEIN B.Valuation of trust in open network[C].Proceedings of the European Sysposium on Research in Security （ESORICS）.Brighton，1994：38

[ 3 ] GALIZIA S，GUGLIOTTA A，DOMINGUE J .A trust based methodology for web service selection[ C ]// International conference on semantic computing，2007：193200.

[ 4 ] MANIKRAO U S，PRABHAKAR T VDynamic selection of web services with recommendation system[ C ].IEEE Computer Society，Washington：342352.

[ 5 ] 袁东维.一种基于QOS的信任增强的服务选择方法[ J ].软件导刊，2014，13（5）：3436.

[ 6 ] 贺兴亚，王海艳，杨文彬.一种QOS可信增强的服务选择方法[ J ].武汉大学学报（理学版），2013，59（5）：443448.

责任编辑（责任编辑：孙 娟）