基于机器学习方法感知非功能属性的Web服务选择研究

本课题研究基于机器学习的感知非功能属性的Web服务选择方法。基于Web Services的面向服务的框架正逐渐成为B2B电子商务、企业IT架构的发展趋势；Web服务受到软件界的青睐，但由于缺乏全面的描述、动态特征强、选择算法的复杂性等，准确获得需要的合格服务成为瓶颈，为解决该问题，本研究包括：1）基于Web服务事实标准，建立一个扩展性强、柔性好的Web服务描述模型，既包含其功能属性，也包含服务质量等非功能属性。2）针对服务特征的复杂性，结合知识表示与数值描述的混合特征表示方法。研究针对混合表示法的属性范化、可度性方法。3）研究针对Web服务选择强化学习算法，以解决Web服务数量大、变化快、人工难以选择、以及训练样本收集困难等问题，满足智能、动态、在线选择服务的需求。4）研究机器学习选择结果的可解释性和可度量性，并针对Web服务选择获得评价指标