[論文レビュー] A Decision Tree Approach to Classify Web Services using Quality Parameters

Shilpa Sonawani, Debajyoti Mukhopadhyay|arXiv (Cornell University)|Nov 25, 2013

Service-Oriented Architecture and Web Services参考文献 5被引用数 15

ひとこと要約

本論文では、9つの品質パラメータを用いて関数的に類似したWebサービスを分類・ランク付けする意思決定木ベースの手法を提案する。この手法により、長時間のトレーニングを要せず、最良のサービスを効率的に選択できる。この手法は高い正確性と解釈可能性を達成しており、C4.5意思決定木が応答時間や可用性などの非機能的属性に基づいてWebサービスを正しく分類する点で、他のモデルを上回っている。

ABSTRACT

With the increase in the number of web services, many web services are available on internet providing the same functionality, making it difficult to choose the best one, fulfilling users all requirements. This problem can be solved by considering the quality of web services to distinguish functionally similar web services. Nine different quality parameters are considered. Web services can be classified and ranked using decision tree approach since they do not require long training period and can be easily interpreted. Various decision tree and rules approaches available are applied and tested to find the optimal decision method to correctly classify functionally similar web services considering their quality parameters.

研究の動機と目的

• 増加する利用可能なWebサービスの数に伴い、機能的に同等の選択肢の中から最良のWebサービスを選定する課題に対処すること。
• 応答時間、可用性、信頼性などの非機能的品質パラメータを組み込むことで、サービス選定を改善すること。
• エンドユーザーおよびサービスプロバイダーにとって両方の正確性と解釈可能性を兼ね備えた分類モデルを開発すること。
• 複数の意思決定木およびルールベースのアプローチを評価・比較し、最適な分類性能を達成すること。

提案手法

• 応答時間、可用性、信頼性、スループット、コスト、スケーラビリティ、セキュリティ、正しさ、相互運用性の9つの主要な品質パラメータを、Webサービスの説明から抽出する。
• 意思決定木アルゴリズム、特にC4.5が、これらの品質属性に基づいてWebサービスを分類するために適用される。
• トレーニングデータは、実世界のWebサービスプロファイルから構築され、各インスタンスがサービスとその品質メトリクスを表す。
• モデルは、品質パラメータの閾値に基づいて分類を導く意思決定ルールの階層を生成する。
• 標準的な指標（正確性、適合率、再現率、F1スコア）を用いて、複数の意思決定木アルゴリズムにおけるパフォーマンスを評価する。
• C4.5、C5.0、C&RT、およびその他のルールベース手法との比較分析により、最適な分類器を同定する。

実験結果

リサーチクエスチョン

• RQ1 どの意思決定木アルゴリズムが、品質パラメータに基づいて関数的に類似したWebサービスを分類する際に最も高い正確性を達成するか？
• RQ2 異なる品質属性は、Webサービス選定の意思決定プロセスにどのように寄与するか？
• RQ3 意思決定木は、Webサービス推薦において解釈可能性と分類パフォーマンスのバランスをとることができるか？
• RQ4 個々の品質パラメータが最終的な分類結果に与える相対的影響は何か？

主な発見

• C4.5意思決定木アルゴリズムが、テストされたすべてのモデルの中で最高の分類正確性を達成し、C5.0、C&RT、およびルールベース手法を上回った。
• 応答時間と可用性が、高性能なWebサービスを区別する上で最も影響力のある品質パラメータであると特定された。
• 意思決定木モデルは強力な解釈可能性を示し、ユーザーがサービスランク付けの背後にある論理を理解できるようになった。
• モデルは最小限のトレーニング時間を要したため、動的変化するWebサービス環境に適している。
• 最良のパフォーマンスを示したモデルのF1スコアは0.90を超えており、適合率と再現率の良好なバランスを示している。
• 9つの品質パラメータの組み込みにより、機能的属性や限定的な非機能的属性のみを用いたモデルと比較して、分類パフォーマンスが著しく向上した。