服務(wù)信譽(yù)度建模及用戶評(píng)價(jià)可信度計(jì)算

宋玲玲，王瑞鳳，張會(huì)兵

(1.煙臺(tái)職業(yè)學(xué)院 電子工程系，山東 煙臺(tái)264670;2.北京工業(yè)大學(xué) 嵌入式軟件與系統(tǒng)研究所，北京100124;3.桂林電子科技大學(xué) 廣西可信軟件重點(diǎn)實(shí)驗(yàn)室，廣西 桂林541004)

當(dāng)前，越來越多地用環(huán)繞智能(ambient intelligence，AmI)代替普適計(jì)算來描述下一代計(jì)算模式，它是無處不在的計(jì)算、通信和智能友好人機(jī)交互的融合。其特點(diǎn)是多個(gè)計(jì)算設(shè)備共同服務(wù)于一個(gè)人，主動(dòng)為用戶提供合適的服務(wù)。從技術(shù)上來講，它具有計(jì)算的深度嵌入、分布互聯(lián)和普及的特性［1］，其關(guān)注的核心問題包括計(jì)算的泛在性、通信的無縫互聯(lián)、用戶友好與人機(jī)交互等。各種聯(lián)網(wǎng)的計(jì)算設(shè)備環(huán)繞在用戶周圍并將逐步回歸到人們生活的幕后。環(huán)繞智能將是未來幾十年計(jì)算學(xué)科最具挑戰(zhàn)性的研究課題之一，它代表了下一代計(jì)算模式的發(fā)展方向［2］。

在面向服務(wù)的環(huán)繞智能應(yīng)用中，部署在其中的各種異構(gòu)、自治的子系統(tǒng)可以統(tǒng)一以服務(wù)的形式來描述［3－8］。用戶的需求可以通過原子的組合服務(wù)序列來實(shí)現(xiàn)，這就需要在眾多的Web 候選服務(wù)中選擇合適的服務(wù)來滿足用戶的特定需求。然而，在開放的環(huán)繞智能系統(tǒng)中如何選擇可信的服務(wù)是一個(gè)需要解決的關(guān)鍵問題。服務(wù)信譽(yù)度是衡量服務(wù)可信性的重要指標(biāo)，而要計(jì)算服務(wù)的信譽(yù)度，服務(wù)主觀評(píng)價(jià)的可信性則是影響服務(wù)信譽(yù)度計(jì)算準(zhǔn)確性的主要因素。

為此，筆者首先給出了信譽(yù)度的計(jì)算模型，在此基礎(chǔ)上重點(diǎn)研究了用戶評(píng)價(jià)可信度的計(jì)算方法，并通過系統(tǒng)進(jìn)行了測(cè)試驗(yàn)證和性能分析。

1 信譽(yù)度計(jì)算模型

在P2P、電子商務(wù)、環(huán)繞智能和Web 服務(wù)等領(lǐng)域，信譽(yù)度機(jī)制被廣泛關(guān)注和深入研究［9－15］。信譽(yù)度計(jì)算是一個(gè)非常復(fù)雜的過程，涉及到諸多算法以及算法之間的交互。從相關(guān)文獻(xiàn)來看，對(duì)于信譽(yù)度的建模研究還不夠充分，特別是面向服務(wù)環(huán)繞智能環(huán)境中信譽(yù)度建模的研究還較少。而一個(gè)全面、清晰、多角度的信譽(yù)度模型能夠指導(dǎo)信譽(yù)度的研究并促進(jìn)其應(yīng)用。圖1 描述了信譽(yù)度的計(jì)算模型并進(jìn)行了系統(tǒng)性的層次劃分，分別為數(shù)據(jù)收集層、評(píng)價(jià)層、信譽(yù)度聚合層和可信決策層。

圖1 信譽(yù)度計(jì)算模型

評(píng)價(jià)層的主要功能是將各種原始數(shù)據(jù)轉(zhuǎn)換成各種評(píng)價(jià)信息。該層的核心算法有:服務(wù)聲明誠(chéng)實(shí)度評(píng)價(jià)算法(ARA)φ，服務(wù)執(zhí)行效果客觀評(píng)價(jià)算法(ORA)η 以及用戶可信度評(píng)價(jià)算法(UC)π。其中用戶可信度信息是通過客觀評(píng)價(jià)信息和主觀評(píng)價(jià)信息計(jì)算而得到的，它可以作為用戶主觀評(píng)價(jià)信息的權(quán)重。通過這些算法將各種原始數(shù)據(jù)轉(zhuǎn)換成相應(yīng)的評(píng)價(jià)信息和權(quán)重，為圖1 中的過程3各種信譽(yù)度聚合提供數(shù)據(jù)。

信譽(yù)度聚合層的主要功能是將各種評(píng)價(jià)信息聚合成相應(yīng)的信譽(yù)度值，為可信決策層提供可靠的決策。該層的核心算法有:評(píng)價(jià)信息動(dòng)態(tài)衰減機(jī)制(DAM)ρ，用戶本地信譽(yù)度聚合算法(LRA)ψ，通用信譽(yù)度聚合算法(GRA)ξ 以及服務(wù)注冊(cè)時(shí)信譽(yù)度自舉算法(BRA)ζ。

收集層和可信決策層是原始數(shù)據(jù)和信譽(yù)度值的后續(xù)處理，筆者不對(duì)其詳細(xì)討論。

該信譽(yù)度計(jì)算模型中，給出了計(jì)算服務(wù)信譽(yù)度需要的核心算法。整個(gè)過程符合從數(shù)據(jù)到信息的處理過程，為研究人員設(shè)計(jì)高效準(zhǔn)確的信譽(yù)度計(jì)算方法提供了參考。

在信譽(yù)度模型中，用戶評(píng)價(jià)可信度信息是通過計(jì)算客觀評(píng)價(jià)信息和主觀評(píng)價(jià)信息得到的，它可以作為用戶主觀評(píng)價(jià)信息的權(quán)重。因此，如何得到有效的用戶可信度信息，是評(píng)估開放的智能環(huán)繞系統(tǒng)服務(wù)可信性的重要基礎(chǔ)。

2 用戶評(píng)價(jià)可信度算法

每個(gè)用戶在使用完服務(wù)后都會(huì)給出一個(gè)評(píng)價(jià)，所有用戶對(duì)該服務(wù)的主觀評(píng)價(jià)值聚合成對(duì)該服務(wù)的主觀信譽(yù)度評(píng)價(jià)。顯然，并不是所有用戶的評(píng)價(jià)都會(huì)是公正、無偏見的，同時(shí)由于用戶專業(yè)背景和服務(wù)使用環(huán)境的不同，也會(huì)導(dǎo)致評(píng)價(jià)出現(xiàn)不合理的偏差，這就需要對(duì)用戶評(píng)價(jià)的可信度進(jìn)行評(píng)估。通常，影響用戶評(píng)價(jià)可信度(user credibility，UC)的因素主要有用戶評(píng)價(jià)的波動(dòng)性(subjective rating fluctuation，SRF)、用戶主觀評(píng)價(jià)與用戶主流評(píng)價(jià)值的相似度(subjective and majority rating similarity，SMS)以及用戶主觀評(píng)價(jià)與客觀評(píng)價(jià)的偏差(subjective rating and objective rating similarity，SOS)。它們之間的關(guān)系如式(1)所示。

其中:0 ＜(α，β，ε)＜1，α+β+ε=1。根據(jù)實(shí)際研究的經(jīng)驗(yàn)，筆者選擇:α=0.3，β=0.4，ε=0.3。

2.1 主觀評(píng)價(jià)波動(dòng)

在不同環(huán)境或不同時(shí)間，同一用戶對(duì)同一服務(wù)多次使用效果的評(píng)價(jià)會(huì)出現(xiàn)波動(dòng)。但是這個(gè)波動(dòng)應(yīng)該在一個(gè)合理的范圍內(nèi)，如果評(píng)價(jià)波動(dòng)過大，往往是由于評(píng)價(jià)人員給出的評(píng)價(jià)值缺乏理性判斷或是不具備相應(yīng)的專業(yè)知識(shí)。因此評(píng)價(jià)的波動(dòng)(離散程度)可以從一個(gè)方面反映用戶評(píng)價(jià)的可信度。這里采用用戶主觀評(píng)價(jià)序列的均方差來說明用戶評(píng)價(jià)的離散程度，如式(2)所示。

2.2 主觀評(píng)價(jià)與客觀評(píng)價(jià)的相似度

主觀評(píng)價(jià)與客觀評(píng)價(jià)從兩個(gè)角度衡量了服務(wù)的性能，這兩組評(píng)價(jià)值之間應(yīng)該呈現(xiàn)出一致性或較高的相似性。因?yàn)榭陀^評(píng)價(jià)是根據(jù)用戶需求和實(shí)際監(jiān)測(cè)值計(jì)算出來的，具有較高參考價(jià)值，可以作為衡量主觀評(píng)價(jià)是否可信的參照點(diǎn)。筆者把同一評(píng)價(jià)信度窗內(nèi)的用戶主觀評(píng)價(jià)序列sr =(sr1，sr2，…，srn)和客觀評(píng)價(jià)序列or=(or1，or2，…，orn)看作n 維歐氏空間的兩個(gè)點(diǎn)，這樣評(píng)價(jià)序列相似度就轉(zhuǎn)換成n 維歐氏空間中兩個(gè)點(diǎn)之間的距離。距離越小，說明相似度越大，主觀評(píng)價(jià)的可信度就越高。利用歐氏距離來計(jì)算用戶主觀評(píng)價(jià)與客觀評(píng)價(jià)的相似度sos，如式(3)所示。

其中:sr 和or 分別為一個(gè)評(píng)價(jià)信度窗內(nèi)主、客觀評(píng)價(jià)序列向量，0≤sri∈sr≤1，0≤ori∈or≤1。

2.3 主觀評(píng)價(jià)與主流評(píng)價(jià)的相似度

通常假定在一個(gè)評(píng)價(jià)體系中大部分用戶的主觀評(píng)價(jià)信息是理性可信的?；诖?，筆者把一個(gè)時(shí)間窗w 內(nèi)的評(píng)價(jià)信息劃分成若干簇，然后選取最大簇的形心作為時(shí)間窗w 內(nèi)的用戶主流評(píng)價(jià)值，計(jì)算方法如式(4)所示。

通過式(4)可得到用戶主觀評(píng)價(jià)聚類中最大簇的形心smr，即時(shí)間窗w 內(nèi)的主流評(píng)價(jià)向量，然后以smr 為參照，通過用戶主觀評(píng)價(jià)向量sr 與smr 的歐氏距離來計(jì)算sms。sms 的值表示在該時(shí)間窗內(nèi)特定用戶的主觀評(píng)價(jià)與所有用戶主流評(píng)價(jià)的相似度，該值越小說明該特定用戶的評(píng)價(jià)越接近大多數(shù)用戶的評(píng)價(jià)，因此可信度越高;反之，則說明該特定用戶的主觀評(píng)價(jià)值與主流的評(píng)價(jià)值偏離較大，離散度較高，導(dǎo)致其評(píng)價(jià)可信度降低。

3 用戶可信度算法分析

為了測(cè)試、分析算法的性能，筆者在測(cè)試窗AmI－Space 的基礎(chǔ)上構(gòu)建了一個(gè)原型系統(tǒng)。采用Java 平臺(tái)和Jena 2.6.2，部署了5 個(gè)具有同樣功能但服務(wù)質(zhì)量不同的視頻服務(wù)器，其服務(wù)質(zhì)量屬性有延時(shí)、抖動(dòng)、圖像清晰度及價(jià)格。選擇一組測(cè)試人員，包含領(lǐng)域?qū)＜? 名，他們給出權(quán)威理性的評(píng)價(jià)信息，選取其中的一個(gè)代表理性專業(yè)的用戶;普通用戶10 名，根據(jù)自己的體驗(yàn)給出評(píng)價(jià)信息，選取其中的兩個(gè)分別代表與服務(wù)提供方串通的用戶(故意給出過高的評(píng)價(jià))和非理性用戶(隨機(jī)給出評(píng)價(jià))。同時(shí)通過控制、監(jiān)測(cè)服務(wù)的各項(xiàng)QoS 屬性值來獲得服務(wù)的真實(shí)QoS 性能值，利用用戶請(qǐng)求服務(wù)的QoS 屬性值與監(jiān)測(cè)到的服務(wù)實(shí)際運(yùn)行QoS 屬性值的偏差函數(shù)來計(jì)算客觀評(píng)價(jià)信息［16］。

圖2 給出3 組評(píng)價(jià)信息對(duì)應(yīng)的用戶可信度。其中:rational 曲線表示一個(gè)理性用戶評(píng)價(jià)對(duì)應(yīng)的可信度;collusion 曲線表示一個(gè)與服務(wù)提供方串通起來給予過高評(píng)價(jià)信息的用戶對(duì)應(yīng)的可信度;irrational 曲線表示一個(gè)非理性地、隨意給出評(píng)價(jià)信息的用戶的可信度。

用戶評(píng)價(jià)可信度作為用戶評(píng)價(jià)的權(quán)重直接影響到信譽(yù)度值。這就要求用戶可信度算法要具有較好的區(qū)分度，能夠區(qū)分出誠(chéng)實(shí)可信的評(píng)價(jià)或惡意評(píng)價(jià)。同樣情況下，理性評(píng)價(jià)對(duì)應(yīng)較高的可信度，非理性或者串通的評(píng)價(jià)對(duì)應(yīng)較低的可信度。由測(cè)試結(jié)果可知，這3 組評(píng)價(jià)信息對(duì)應(yīng)的用戶可信度比值約為4∶1∶1，具有良好區(qū)分度，能夠適應(yīng)環(huán)繞智能系統(tǒng)對(duì)用戶可信度計(jì)算的要求。

4 結(jié)論

(1)設(shè)計(jì)實(shí)現(xiàn)了環(huán)繞智能系統(tǒng)中服務(wù)信譽(yù)度的計(jì)算模型，使研究者可以專注于核心算法的研究，降低了信譽(yù)度機(jī)制實(shí)現(xiàn)的復(fù)雜程度。

(2)依該服務(wù)信譽(yù)度計(jì)算模型實(shí)現(xiàn)的用戶可信度算法具有較好的區(qū)分度，能夠區(qū)分出誠(chéng)實(shí)可信的評(píng)價(jià)或惡意的評(píng)價(jià)。

［1］ BRΦNSTED J，HANSEN K M，INGSTRUP M.Service composition issues in pervasive computing［J］. IEEE Pervasive Computing，2010，9(1):62－70.

［2］ DENNING P，METCALF R.Beyond calculation:the next fifty years of computing［M］. New York:Springer－Verlag，1997:32－98.

［3］ CHAKRABORTY D，JOSHI A.Toward distributed service discovery in pervasive computing environments［J］.IEEE Transactions on Mobile Computing，2006，5(2):97－112.

［4］ KALASAPUR S，KUMAR M，SHIRAZI B A. Dynamic service composition in pervasive computing［J］. IEEE Transactions on Parallel and Distributed Systems，2007，18(7):907－918.

［5］ LV Q C，ZHOU J L，CAO Q Y.Service matching mechanisms in pervasive computing environments［C］//2009 International Workshop on Intelligent Systems and Applications.［S.l.］:［s.n.］，2009:1－4.

［6］ BENAZZOUZ Y，SABOURET N，CHIKHAOUI B. Dynamic service composition in ambient intelligence environment［C］//IEEE International Conference on Services Computing. ［S.l.］:［s.n.］，2009:411－418.

［7］ BRNSTED J，HANSEN K M，INGSTRUP M.Service composition issues in pervasive computing［J］. IEEE Pervasive Computing，2010，9(1):62－70.

［8］ DASGUPTA S，BHAT S，LEE Y Y.Event driven service composition for pervasive computing［J］. Pervasive Computing and Communications，2009(1):1－6.

［9］ WANITA S，SENG W L，SHONALI K. A fuzzy model for reasoning about reputation in web services［C］//SAC’06.［S.l.］:［s.n.］，2006:1886－1892.

［10］NGUYEN H T，ZHAO W L，YANG J.A trust and reputation model based on bayesian network for web services［C］//2010 IEEE International Conference on Web Services.［S.l.］:［s.n.］，2010:251－258.

［11］ ZHOU R F，WANG K H. Power trust:a robust and scalable reputation system for trusted peer－to－peer computing［J］.IEEE Transactions on Parallel and Distributed Systems，2007，18(4):460－473.

［12］ NEPAL S，MALIK Z，BOUGUETTAYA A. Reputation propagation in composite services［C］// 2009 IEEE International Conference on Web Services. ［S. l.］:［s.n.］，2009:295－302.

［13］ LOUTA M，ROUSSAKI I，PECHLIVANOS L. Reputation based intelligent agent negotiation frameworks in the E－marketplace［C］//International Conference on E－Business.［S.l.］:［s.n.］，2006:5－12.

［14］SKOPIK F，TRUONG H L，DUSTDAR S.Viete－enabling trust emergence in service－oriented collaborative environments［C］//International Conference on Web Information Systems and Technologies. ［S.l.］:［s.n.］，2009:471－478.

［15］ VU L H，HAUSWIRTH M，ABERER K. QoS－based service selection and ranking with trust and reputation management［C］//13th International Conference on Cooperative Information Systems. ［S. l.］:［s.n.］，2005:446－483.

［16］張會(huì)兵.面向環(huán)繞智能的可信服務(wù)組合關(guān)鍵技術(shù)研究［D］.北京:北京工業(yè)大學(xué)圖書館，2012.