论文部分内容阅读
日趋成熟的Internet环境为软件服务的发布和使用提供了有力的技术支持，从而使大量开放软件系统，如网构软件，开放资源联盟等，可通过动态的服务组合与协作的方式构建，其中选取可信的组件服务是构建可靠软件系统的重要环节。协同推荐机制是一类通过设计信息收集策略聚集历史用户与软件的交互反馈，使用服务评估模型合并推荐信息得到服务综合评价的方法。其中信息收集过程需要进行分布式节点间的消息发送和经验传递，其效率直接影响到整个推荐机制的有效性。为了满足开放系统高度动态性，特别是系统在线演化对服务评估高效性提出的要求，本文中提出了一个基于声誉的推荐者发现方法，首先引入一个相关因子量化不同上下文中的推荐信任关系，得到信任可传递空间，然后应用信任子网分割算法得到评估发起者的可信推荐者群，最后通过主体群内的信任传递与迭代计算确定具有高声誉值的推荐信息源。初步实验表明该方法有助于在保证推荐信息准确性基础上，减少信息收集中的网络资源消耗，从而有效提高可信服务评估的效率。