افزایش دقت دسته بندی سرویس‌های وب مبتنی بر کیفیت از طریق بهبود ویژگی‌های مجموعه داده

سرویس های وب سیستم های نرم افزاری هستند که برای پشتیبانی از ارتباطات ماشین به ماشین قابل اجرا بر روی اینترنت طراحی شده اند. دسته بندی این سرویس ها برای اطمینان از ارائه خدمات قابل اعتماد و کارآمد به کاربران امری ضروری است و نقش مهمی‌در حوزه‌های مختلف مانند کشف سرویس، سیستم های توصیه و ترکیب سرویس ایفا می‌کند. کارگزاران سرویس های وب با توجه به رتبه بندی سرویس ها برپایه پارامتر کیفیت، کاربران را در انتخاب سرویس مناسب از بین سرویس های مشابه کمک می‌کنند. در رابطه با سرویس‌های وب، تعداد کمی‌از مجموعه داده‌ها مبتنی برکیفیت سرویس‌های وب در دسترس است. مجموعه داده qws با نُه ویژگی کیفی برای سرویس ها یکی از معروفترین مجموعه داده ها در این زمینه است. با این حال، این مجموعه داده برخی از ویژگی‌های غیرعملکردی مانند امنیت، قابلیت همکاری،مقیاس پذیری و استحکام را که در هنگام کشف سرویس‌های وب ممکن است ماهیت حساسی داشته باشند، نادیده گرفته است. در این مقاله، روشی برای بهبود مجموعه داده qws با استفاده از مهندسی ویژگی ها ارائه گردیده که ویژگی‌های جدیدی را برپایه‌ی ویژگی‌های موجود تولید می‌نماید. نتایج آزمایشات بر روی الگوریتم نیمه نظارتی ssl-wsc نشان می‌دهد که رویکرد پیشنهادی در بهبود دسته بندی سرویس های وب نتیجه بخش بوده است، بطوریکه مقادیر معیارهای ارزیابی f1-score، صحت و دقت به ترتیب 5.05٪، 5.69٪ و 6.92٪ افزایش یافته است.

improving the accuracy of quality-based web service classification by enhancing features through feature engineering

web services, which facilitate machine-to-machine communication over the internet, require accurate classification for reliable and efficient service delivery. the classification significantly affects service discovery, recommendation systems, and service composition. web service brokers assist users in selecting the most suitable service based on quality parameters. currently, only a limited number of datasets focusing on web service quality are available. the qws dataset, with nine quality features for services, is one of the most prominent datasets in this field. however, this dataset overlooks non-functional attributes such as security, interoperability, scalability, and robustness, which are essential for discovering web services. this paper proposes enhancing the qws dataset by using feature engineering to create new features from existing ones. the experimental results on the ssl-wsc algorithm demonstrate that the proposed approach significantly improves the classification of web services. this is evidenced by the 5.05% increase in f1-score, 5.69% increase in accuracy, and 6.92% increase in precision evaluation criteria.