A Framework for Adaptive Mechanisms for Trusted Services
Institution:
BesançonDisciplines:
Directors:
Abstract EN:
La quantité d’informations et de services disponibles sur l’Internet est si importante qu’il est très difficile de choisir ceux qui répondent bien à nos exigences. Dans cette thèse, l’auteure présente un algorithme pour le calcul de la réputation de services en proposant un modèle amélioré du comportement des utilisateurs. Cette technique se révèle bien adaptée pour bâtir des modèles de comportement. De plus elle a travaillé sur les aspects concernant les similarités de services afin d’obtenir des réponses appropriées aux demandes des services pour améliorer la qualité de l’expérience. Dans ce cadre, un algorithme évaluant la proximité des services a été développé. A partir de cet algorithme, une version adaptative avec des intervalles variables pour les paramètres de services également a été proposée. Ces algorithmes ont été testé et validés sur des classes de services.
Abstract FR:
The amount of information and services that are available over the Internet is so overwhelming that ist is very difficult to select the ones that fit our requirements. Recommender Systems are being used for helping whit the selection of services and products. The current approaches use products rating s to compute the reputation of a provider not taking into consideration the possibility of indirect service delivery. For this purpose, we propose a framework and appropriate mechanisms that can be used to better evaluate the reputation of services/providers. Another issue regarding the accuracy of a service reputation update comes from the dynamics of the feedback. Current approaches do not make a correlation with the user’ feedback pattern or with the frequency of the users’ feedback. We take these into consideration when computing a service reputation and propose an approach for modeling the dynamic user feedback. Service similarity is another important part of Recommender Systems. The customer’ satisfaction depends on how close a recommendation is to his requirements, but also on how easy it was to specify the searching criteria. We present a approach for selecting services based on distance and similarity, introducing a similarity taxonomy for adjusting service invocation under certain constraints.