QoS computation and policing in dynamic web service selection

第一作者Yutu Liu, DBLP上显示就这么一篇, 其他地方(包括EI)里也搜不到更多关于这个作者的信息. Zeng LZ是本文的第三作者.

1. 本文提出了一套"open, fair and dynamic QoS computation model", 针对的是对单个Web Service进行QoS评估, 而不考虑Web Service Composition的情景(不解决使WS组合达到全局QoS最优的问题).

2. 一般来说Execution Price是指调用该WS需要支付的价格, 而跟这个WS具体做什么没有关系; 但是(S2.1)中对于Execution Price的介绍, 好像把Execution Price当成某些WS在执行时需要支付的价格(比如购买一张票或支付电话费). 我觉得(S2.1)这样描述是不恰当的.

3. 本文创新点(以下三点是作者概况的创新点)(S1)

(1) Extensible QoS Model
包括generic与domain specific criteria.
我觉得这个"Extensible"有点虚, WS的QoS种类很多, 如果涉及到具体的domain, 更是数不胜数. 本文介绍了3个generic quality criteria(Execution price, Execution duration, Reputation)和3个business related criteria(Transaction, Compensation rate, Penalty Rate), 并以这些QoS为例说明QoS评估方法.
评估的方法跟具体涉及哪些QoS关系不大, 因此QoS被称为"Extensible".
(2) 在评估QoS时, 可基于用户的preference
具体体现在公式(10)的加权相加中, 这个"权重"就体现了用户的preference
(3) Fair & Open QoS computation
可以从三种渠道获得QoS属性信息
a. 由provider publish(比如价格)
b. 用户monitoring (比如execution duration)
c. 基于用户的feedback (比如reputation)

这些创新点现在来看算都很普通, 能够发表在www上, 可能是作者提出的时间比较早的原因吧.

4. WS QoS评估方法: QoS的二次正则化, 加权相加.(S2.2)

这一节技术难度不大, 但是感觉有点繁.

第一次正则化是为了去单位化, 并将"decreasing measure"统一转化成"increasing measure"(值越高越有价值).
这里采用了一种与[Zeng LZ03]不同的方法
1) 对每一种属性, 设定了一个最高值
2) 使用平均值来作为正则化的基准; QoS值为平均值时, 正则化以后是1; 正则化以后的值越高, 越有价值.
问题: (S2.2)中Example1, 经过第一次normalization后, 文中给出的数据是
(1.3, 1.0, 0.462, 0.769, 0.64, 0.7, 0.8894,
0.8134, 1.0, 1.538, 1.23, 3.0, 1.75, 1.111)
我计算出来的是
(1.3, 1.0, 0.462, 0.769, 0.60, 0.7, 0.9984,
0.8125, 1.0, 1.538, 1.23, 3.0, 1.75, 1.111)
有3个数据不一样: 0.64->0.60, 0.8894->0.9984, 0.8134->0.8125

纳闷, 我应该没算错, 这种级别的会议论文应该也不会有这种低0错误啊?

需要第二次正则化, 是因为作者提到了一个"quality group"的概念, 通过矩阵乘法, 将一些属性合并成一个属性, 然后再将这些属性正则化(方法同第一次正则化时采用的方法), 最后加权相加得到WS的QoS Score. 我有疑惑, 经过这样两次正则化后, 最后的属性及其数值对应的含义已经很不直观了, 这些新属性具有多大的实用性呢? 引入"quality group"的概念真的很有必要吗?

 

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

转自http://www.cnblogs.com/ykt/