[论文解读] 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 15

一句话总结

本文提出一种基于决策树的方法，利用九个质量参数对功能相似的网络服务进行分类与排序，实现无需长时间训练即可高效选择最佳服务。该方法在准确性和可解释性方面表现优异，其中C4.5决策树在基于响应时间、可用性等非功能性属性正确分类网络服务方面优于其他模型。

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.

研究动机与目标

• 为应对由于可用服务数量不断增加，导致在功能等价的网络服务中选择最佳服务的挑战。
• 通过引入响应时间、可用性、可靠性等非功能性质量参数，提升服务选择效果。
• 开发一种既准确又可解释的分类模型，以满足终端用户和服务提供商的需求。
• 评估并比较多种决策树与基于规则的方法，以实现最优分类性能。

提出的方法

• 从网络服务描述中提取九个关键质量参数：响应时间、可用性、可靠性、吞吐量、成本、可扩展性、安全性、正确性和兼容性。
• 应用决策树算法，特别是C4.5，基于这些质量属性对网络服务进行分类。
• 从现实世界中的网络服务配置文件构建训练数据，每个实例代表一个服务及其质量度量指标。
• 模型生成基于质量参数阈值的决策规则层次结构，以指导分类过程。
• 使用准确率、精确率、召回率和F1-score等标准指标，对多种决策树算法的性能进行评估。
• 对C4.5、C5.0、C&RT及其他基于规则的方法进行对比分析，以识别最优分类器。

实验结果

研究问题

• RQ1 在基于质量参数对功能相似的网络服务进行分类时，哪种决策树算法的准确率最高？
• RQ2 不同质量属性在网络服务选择的决策过程中起到何种贡献？
• RQ3 决策树能否在可解释性与分类性能之间实现良好平衡，从而用于网络服务推荐？
• RQ4 单个质量参数对最终分类结果的相对影响是什么？

主要发现

• C4.5决策树算法在所有测试模型中实现了最高的分类准确率，优于C5.0、C&RT及基于规则的方法。
• 响应时间和可用性被确定为区分高性能网络服务的最关键质量参数。
• 决策树模型展现出强大的可解释性，使用户能够理解服务排名背后的逻辑。
• 该模型训练时间极短，适用于动态的网络服务环境。
• 最佳模型的F1-score超过0.90，表明精确率与召回率之间保持了良好平衡。
• 与仅使用功能性或有限非功能性属性的模型相比，引入九个质量参数显著提升了分类性能。