ترجمه رویکرد بیضی با حداکثر قاعده اصل برای کیفیت قابل اعتماد متریک سرویس(خدمات) وب در برنامه های کاربردی تجارت الکترونیک

توضیحات

 عنوان فارسی:رویکرد بیضی با حداکثر قاعده اصل برای کیفیت قابل اعتماد متریک سرویس(خدمات) وب در برنامه های کاربردی تجارت الکترونیک

عنوان انگلیسی مقاله ترجمه شده:

Bayesian Approach with MaximumEntropy Principle for trusted quality of Web service metric in e-commerce applications

رویکرد بیضی با حداکثر قاعده اصل برای کیفیت قابل اعتماد متریک سرویس(خدمات) وب در برنامه های کاربردی تجارت الکترونیک

چکیده

برای برنامه های تجارت الکترونیک بسیار مهم است. (QoWS)موضوع کیفیت قابل اعاتماد سرویس(خدمات) وب

 دارند عمل کوچکی دارند.(QoWS)با این حال، بسیاری از مطالعات موجود در شرایطی که اطلاعات ناکافی یا غیر تاریخی راجع به

 طرح میکنیم، آن، رویکرد بیضی با حداکثر قاعده اصل است. کلید رویکرد (QoWS)در این مطالعه، ما یک رویکرد متریک قابل اعتماد

  QoWS وب سرویس توسط استفاده از حداکثر قاعده اصل وسپس پی بردن به توزیع خلفی QoWSمطرح شده ما استخراج توزیع قبلی

سرویس وب توسط رویکرد بیضی است.

 

کلید واژه ها

کیفیت سرویس وب؛ رویکرد بیضی؛ حداکثر قاعده اصل؛ تصمیم گیری فازی

 

معرفی.1

تکنولوژی سرویس وب طراحی شده تا از خلق سریع برنامه های کاربردی جدید ارزش افزوده در تجارت الکترونیک، که باعث میشوند

فرایند کسب و کار سازمان های گوناگون و پلتفرم های محاسباتی  را بپوشاند پشتیبانی کند [3-1]. به طور مشخص، برنامه توسعه دهنده

مثال های گویایی از سرویس وب های درحال استفاده در ماموریت بحرانی برنامه های کاربردی Amazon و سرویس وب های eBay

مقیاس بزرگ در محیط تجارت الکترونیک هستند. با این حال، تعداد بزرگی از سرویس ها وجود دارد که کارایی مشابه را ارائه میدهند.

سرویس های مختلف با ویژگی های مشابه کاربردی منجر به مشکل انتخاب خدمات میشوند. مصرف کنندگان تنها از سرویس وب انتظار

 هستند مثل قابلیت اعتماد سرویس، امنیت (QoWS)برآورده کردن جنبه های عملکردی ندارند ولی همچنین خواستار کیفیت خوب سرویس  

، و اعتماد. از این رو، تایید اینکه آیا پیاده سازی یک سرویس با موافقت سطح سرویس مطابق است مهم است که به سرویس در محیط تجارت

الکترونیک اعتماد به نفس الهام کند. با این حال، به دلیل اینکه بعضی از سرویس ها ممکن است به قولی که داده اند عمل نکنند، این به آن دلالت دارد که کاربران سرویس نیاز دارند که به توانایی ارائه دهنده برای ارائه عملکرد مورد نیاز قبل از شروع تعامل اعتماد کنند. بنابر این، یک مشتری سرویس با یک وظیفه سخت در انتخاب بهترین سرویس که نیازهایش را برآورده کند روبرو میشود. از این رو، این امری ضروری است  با توجه به سطح دلخواه از کیفیت سرویس   QoWSکه تکنیک هایی تدبیر شود که مصرف کنندگان  سرویس را در یافتن ویژگی های موتمن  

QoWS برای مشتریان در محیط باز تجارت الکترونیک بحرانی است. برای بدست آوردن  QoS یاری کند. از این رو، متریک موتمن  (QoS)

  در مقاله های [9-5] ارائه شده اند. هرچند بعضی از تلاش ها و نتایج فوق QoWS موتمن برای مشتریان سرویس، رویکرد های متریک مختلف

الذکر ایجاد شده اند، فن آوری های موجود هنوز در محیط باز تجارت الکترونیک  کامل (بالغ) نشده اند به دلیل دو عامل ذیل. اول، ارائه دهندگان   منتشر شده بالاتر از سطح سرویس واقعی است. . برای مثال، در  QoWS نا درست انتشار دهند، به این معنا که، QoWSسرویس ممکن است  

امور مالی، معامله آنلاین، یا برنامه های کاربردی تجارت الکترونیک، برای جلب تعداد بزرگی از مشتریان در یک زمان کوتاه و بدست آوردن سود قانونی زیاد، بعضی از ارائه دهندگان سرویس غلط یا اغراق آمیز برای فریب دادن مصرف کنندگان سرویس انتشار میدهند. دوم، زمانی که  منتشر شده توسط  ارائه دهندگان سرویس را ارزیابی کرد. QoWSکوچک است، مشکل است که  QoWSاطلاعات آماری تاریخی یک سرویس

برای مثال، زمانی که یک سرویس در ابتدا برای کسب و کار ثبت نام میکند، هیچ مصرف کننده دیگری با این در تعامل نبوده، و هیچ ثبتی از رفتار گذشته اش وجود ندارد[6].     

 ارائه میدهیم (به عنوان مثال، روش QoWSبرای غلبه بردو نقطه ضعف اشاره شده در قبل، در این مقاله، ما یک رویکرد متریک موتمن

) برای مشتریان سرویس در محیط  باز تجارت الکترونیک. سهم اصلی این مقاله میتواند به  ]MEP] با حداکثر اصل آنتروپی [BA]بیضی

صورت ذیل خلاصه شود:

، ما یک کارشناس قابل اعتماد الگوریتم QoWS(1) برای بدست آوردن داده های ذهنی موتمن از سوی ارائه دهندگان سرویس و کارشناسان

  بر اساس تصمیم گیری فازی ارائه میدهیم. (TEA)

) استفاده  QoWS از داده های ذهنی (آمار تاریخی  QoWS برای استخراج توزیع قبلی MEP(2) بر اساس داده های ذهنی موتمن، ما از

میکنیم.

 با توجه به اطلاعات مشاهده و توزیع قبلی پی ببریم، و با توزیع خلفی بدست آمده     QoWS را بکار میبریم تا به توزیع خلفی BA(3) ما

 موتمن میتواند اندازه گیری شود.QoWS ، QoWS

(4) ما شبیه سازی گسترده ای بر اساس مجموعه داده واقعی و یک داده شبیه سازی انجام میدهیم. نتایج شبیه سازی نشان میدهد که روش      در محیط باز تجارت الکترونیک موثر است.QoWSارائه شده ما برای متریک

 در بخش 2 بحث میکنیم. QoWSباقی این مقاله به صورت ذیل سازماندهی شده است. ما درباره ی کار مرتبط  در مورد متریک

 در بخش 3 است. ما شبیه سازی ها را ارائه میکنیم تا روش ارائه شده  MEP  و BAما رویکرد ارائه شده خود را شرح میدهیم، که آن

ما را در بخش 4 ارزیابی کند. در آخر، ما نتیجه گیری هارا در بخش 5 رسم میکنیم.

2.کار مرتبط

 موتمن توجه زیادی را در سال های اخیر به دلیل رشد معاملات آنلاین و کسب و کار الکترونیک در محیط های سرویس گرا  QoSپژوهش

 ارائه دادیم. QoSبدست آورده است. در کار قبلی ما [5]، ما یک رویکرد انتخاب سرویس وب بر اساس تخمین  

 دقیق اختصاص داده شود) و تا QoS را نمایش دهد (برای مثال، هر سرویس باید به یک QoSهدف رویکرد این است که تخمین دقیقی از

ترکیب خدمات قابل اعتمادی را به مشتریان ارائه دهد. در روش، اولا ما روش ارزیابی مصنوعی فازی ای اتخاذ میکنیم تا ارزش های ارزیابی  ارائه دهندگان سرویس و زمینه مشتریان را محاسبه کند. سپس، یک عملگر جهش کمی غیر یکنواخت ارائه شده استفاده شده است تا  میتواند با استفاده از  QoS را از سوی ارائه دهندگان سرویس و آمار تاریخی و زمینه مشتریان بدست آورد. با وزن فوق، QoSاست تا وزن

تخمین QoSیک مدل جمع وزن محاسبه شود. در آخر، بهترین سرویس ترکیب بندی میتواند با استفاده از برنامه عدد صحیح مختلط  بر پایه

 [6] دو روش ارائه دادند که میتوانند یک دیگر را در ارزیابی اعتبار اولیه ی یک تازه   A. Bouguettaya  و Z. Malikزده شده یافت شود.

وارد یاری کنند. اولین به همکاری در میان سرویس ها متکی است تا اعتبار یک تازه وارد را در یک روش همتا به همتا محاسبه کند. دومین توابع تحت یک “نظیر فوق العاده”  توپولوژی که در آن ارائه دهنده جامعه مسئول ارزیابی اعتبار مشتریان جدید است. با این حال، یک        مختلف خدمات وب)؛ اثر    QoSروش بوت استرپ واحد نمیتواند به صورت جهانی در حوزه ها و شرایط مختلف به تصویب رسد (مانند  

بخشی رویکرد بوت استرپ محدود خواهد شد.

مانند دسترسی، زمان اجرا، کیفیتQoS متعددی را(توابع تجمع)به پنج ویژگی QoS [7] مدل های اندازه گیری B. Pernici  وD. Ardagna

داده، قیمت، و اعتبار ارائه دادند. این مدل ها ساده اند و در کاربرد ترکیب سرویس موثر اند، ولی آنها با در نظر داشتن داده مخرب موجود    مشتریان نمیتواند QoS دارای کمبود هستند، که باعث میشود شکست بدست آمده خواسته مشتریان را برآورده کند، زمانی که خواسته QoS

 بهینه  QoS اتخاذ شده نویسندگان بین مشتریان و ارائه دهندگان سرویس مذاکره میکنند تا دومین ارائه QoSبرآورده شوند (بدون راه حل)،

سازی را (بهینه سازی دوباره) برای برآورده کردن خواسته های آنها اجرا کنند. با این حال، به دلیل موجود بودن ارائه دهندگان سرویس مخرب، ممکن است مذاکره سخت باشد تا پیروزی بدست آورد. علاوه بر این، مدل ها زمینه مشتریان را پشتیبانی نمیکنند، که باعث میشود سرویس های انتخاب شده معمولا از خواسته مشتریان منحرف شوند (انتظار مشتریان و راه حل واقعی به دست آمده متناقض هستند).

 QoS  را برای خدمات وب تجزیه و تحلیل کرد و یک مدل مبتنی بر احتمال ارائه کرد. اندازه گیری های  QoS [8] متریک  S. Hwang

QoSاز یک سرویس وب اتمی یا کامپوزیت به عنوان یک تابع جرم احتمال کمی است. نویسندگان الگوریتم هایی شرح دادند تا اندازه های  

 احتمال تابع جرم را در QoSیک گردش کار سرویس وب از سوی اجزء اصلی خدمات وب را محاسبه کنند، مشکل محاسبه آخرین خطای

طول ساخت یک گردش کار سرویس وب، و یک فرمول پویا ی برنامه نویسی برای راه حل بهینه و یک تقریب اکتشافی کارآمد ارائه داد.     

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش ترجمه مقاله

به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.

سفارش ترجمه تخصصی