افزایش دقت دسته بندی سرویس های وب مبتنی بر کیفیت از طریق بهبود ویژگی های مجموعه داده

سرویس های وب سیستم های نرم افزاری هستند که برای پشتیبانی از ارتباطات ماشین به ماشین قابل اجرا بر روی اینترنت طراحی شده اند. دسته بندی این سرویس ها برای اطمینان از ارائه خدمات قابل اعتماد و کارآمد به کاربران امری ضروری است و نقش مهمی در حوزه های مختلف مانند کشف سرویس، سیستم های توصیه و ترکیب سرویس ایفا می کند. کارگزاران سرویس های وب با توجه به رتبه بندی سرویس ها برپایه پارامتر کیفیت، کاربران را در انتخاب سرویس مناسب از بین سرویس های مشابه کمک می کنند. در رابطه با سرویس های وب، تعداد کمی از مجموعه داده ها مبتنی برکیفیت سرویس های وب در دسترس است. مجموعه داده QWS با نه ویژگی کیفی برای سرویس ها یکی از معروفترین مجموعه داده ها در این زمینه است. با این حال، این مجموعه داده برخی از ویژگی های غیرعملکردی مانند امنیت، قابلیت همکاری،مقیاس پذیری و استحکام را که در هنگام کشف سرویس های وب ممکن است ماهیت حساسی داشته باشند، نادیده گرفته است. در این مقاله، روشی برای بهبود مجموعه داده QWS با استفاده از مهندسی ویژگی ها ارائه گردیده که ویژگی های جدیدی را برپایه ی ویژگی های موجود تولید می نماید. نتایج آزمایشات بر روی الگوریتم نیمه نظارتی SSL-WSC نشان می دهد که رویکرد پیشنهادی در بهبود دسته بندی سرویس های وب نتیجه بخش بوده است، بطوریکه مقادیر معیارهای ارزیابی F۱-Score، صحت و دقت به ترتیب ۵.۰۵٪، ۵.۶۹٪ و ۶.۹۲٪ افزایش یافته است.

کلیدواژه ها:

سرویس های وب ، دسته بندی ، کیفیت ، مهندسی ویژگی ، افزایش ویژگی ، یادگیری ماشین