50、基于概率数据库的Web服务信任评估

基于概率数据库的Web服务信任评估

1. 可信度模型

可信度模型主要探讨了使用模糊聚类来建立和形式化终端用户可信度的恰当性，并阐述如何评估这种可信度。
- 基础概念 ：可信度包含专业知识和可信赖性两个要素。目标终端用户是在特定社区中以强大专业知识和可信赖性著称的严格终端用户。他们坚持自己的评级，原因包括真实性、客观性和准确性。社会心理学研究表明，可信来源更具说服力，能影响现有信念和态度。严格终端用户可促使多数人质疑或审查其评级。为研究这一过程，采用Yager的参与式学习范式，旨在缩小严格终端用户评级与当前多数人评级的差距，以在合理时间内达成共识。
- 可信度评估 ：强和弱成员关系术语具有模糊性，为处理群体成员关系的不确定性并推导重叠群体，采用模糊聚类。使用Bezdek算法减少严格终端用户评级与多数共识的差距。通过输入成员矩阵ME，输出具有模糊边界的聚类。确定新的多数聚类CMaj，采用三种策略，基于模糊聚类中成员度的定性值（弱、中、强）。计算终端用户在该聚类中的可信度，公式如下：
[CR_{i}^{j} = 1 - \left\lVert X_{i} - centroid(C_{Maj}^{strategy})\right\rVert_{N}]
其中，(strategy \in {weak, moderate, strong})。

2. 信任模型

信任模型基于概率数据库，综合考虑终端用户可信度来整合终端用户评级。
- 概率数据库简介 ：概率数据库ProbDB由数据库模式S、元组集合T和概率函数prob组成。其语义通过