基于集对分析的信任评估模型及其在服务选择中的应用

• 作者: 陈姜倩 黄德才
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 服务 信任模型 集对分析 联系数 服务选择
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 210-214
• 分类号: TP391
• 字数: 5620字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.01.049

摘要

网络的大规模、异构、动态、分布和自治性造成了资源和服务的不确定性和欺骗性,从而导致服务交易双方风险增大,因此构建有效的信任模型是降低交易双方风险的重要途径.针对当前基于模糊理论的信任模型和基于反馈信息的信任评估方法存在的缺陷,提出了一种基于集对分析理论中联系数概念的主观信任表示方法,以克服模糊数学中用一个精确、唯一的隶属函数严格表示模糊概念的缺点,同时,在此模型中不是单纯基于用户的反馈信息来评价服务的信任度,而是结合服务资源在服务过程达到的服务能力来增加模型的客观性、实时性.将新的信任函数并入到传统的组件服务选择算法中,提出了两种基于信任的服务选择算法,并进行了实验仿真.结果表明,基于信任驱动的服务选择算法的任务执行成功率较传统方法有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄德才	浙江工业大学计算机科学与技术学院	127	1618	20.0	35.0
2	陈姜倩	浙江工业大学计算机科学与技术学院	1	10	1.0	1.0