CN102880784B - 一种基于数据依赖的组合服务可信性计算方法 - Google Patents

Abstract

本发明提出了一种基于数据依赖的组合服务可信性计算方法。由BPEL语言编写的组合服务的可信性由组合服务的控制结构、组件服务间的依赖关系、组件服务的信任值以及用户反馈共同决定。首先由BPEL流程中变量的依赖关系推导出组件服务间的依赖关系，并根据这种依赖关系对组件服务的纯粹信任值进行预处理；其次对BPEL中的控制结构，包括顺序、选择、并发和循环，提出不同的约减规则，以计算组合服务基于控制结构的信任值；最后通过用户反馈信息修正基于控制结构的信任值，作为组合服务最终的全局信任值。

Description

一种基于数据依赖的组合服务可信性计算方法

技术领域

本发明提出了一种基于数据依赖的组合服务可信性计算方法，主要是根据组件服务间的依赖关系解决组合服务的可信性计算问题，属于Web服务可信性评估的技术领域。

背景技术

如果一个Web服务的动态行为及其结果总是符合用户预期，在受到干扰时仍能提供连续的服务，则该Web服务是可信的。组合服务通过组合较小粒度的组件服务以实现增值功能，服务集成者一方面以服务请求者的角色选择组件服务，另一方面以服务提供者的角色发布组合服务。组合服务是Web服务的主要形态，在发布之前评估组合服务的可信度，一方面可以保障组合服务投入使用后能以预期的方式达到预期的目标；另一方面可用于指导组合服务可信性保障工作，如可信组合服务优化、可信演化等。

现有的组合服务可信性计算方法主要有约减法、乘积法、概率法。

约减法根据组合流程中不同控制结构(顺序、选择、并发和循环)的特点，制定相应的约减规则，通过逐步迭代最终将所有组件服务的信任值约减成一个单值作为组合服务的全局信任值。这类方法算法复杂度较低，对组合服务信任度的评估值较为稳定，不会随着组件服务数量的增加而骤减，但未能考虑到组合服务中各组件服务间可能存在信任依赖关系，这是组合服务可信度评估的一个重要方面。

乘积法将组件服务的信任值相乘作为组合服务的全局信任值。

概率法中Web服务的可信性表示Web服务被信任的程度，而非一个精确值。这类方法考虑到组件服务间存在结构上的信任依赖关系，认为组件服务与组合流程中该组件服务的直接前驱结点对应的组件服务存在信任依赖关系，按组合流程从前往后逐步计算组件服务的信任值，最后一个组件服务的信任值作为组合服务的全局信任值。

相比较于约减法，乘积法和概率法都考虑到组件服务间的信任依赖关系对组合服务信任值的影响，但是这类评估方法随着组件服务数量的增大，组合服务可信度的评估值下降过快，可能会导致评估偏差较大甚至失效。

此外，Web服务是基于XML消息交互的，数据的可信性对组合服务的可信度至关重要，而上述组合服务可信性计算方法均未能考虑到组件服务间的数据依赖关系引起的信任依赖关系。再者，一旦组合服务投入使用，用户的反馈信息对该组合服务的可信值有一定的修正作用。因此，需要一种新型的组合服务可信性计算方法，既能考虑到组合流程的控制结构，又能考虑到组件服务间基于数据交互的依赖关系以及用户的反馈信息对组合服务可信值的影响。

发明内容

本发明的目的是提出一种基于数据依赖的组合服务可信性计算方法，该方法能够根据BPEL流程获取组件服务的依赖关系，并据此计算基于BPEL流程控制结构的组合服务可信值，并通过用户反馈修正组合服务可信值，较全面地评估BPEL组合服务的可信性。

为实现上述目的，采用如下技术方案：一种基于数据依赖的组合服务可信性计算方法，包括如下步骤：

1)根据消息的传递信息，定义BPEL流程中变量的定义者和使用者，并确定变量的定义-使用对：流程中给某变量赋值的消息所在的组件服务是该变量的定义者；流程中接收变量中的消息的组件服务是该变量的使用者；同一个变量的定义者和使用者构成该变量的定义-使用对；

2)根据变量的定义-使用对确定组件服务间的直接依赖关系，并根据依赖关系的传递性确定组件服务的间接依赖关系；

3)对每一个组件服务，根据组件服务间的直接依赖关系和间接依赖关系，构造该组件服务的依赖链，结合组件服务纯粹信任值，计算基于依赖的组件服务的信任值；

4)对BPEL流程中的4种控制结构：顺序、选择、循环和并发制定不同的约减规则，结合步骤3)计算基于控制结构的组合服务信任值；

5)将该组件服务投入使用之后，记录用户对该组件服务的反馈信息，计算基于用户反馈的组合服务信任值；

6)综合基于控制结构的组合服务可信性和基于用户反馈的组合服务可信性，计算组合服务全局信任值。

所述步骤3)中，计算基于依赖的组件服务的信任值方法如下：在依赖链末端添加一个由目标节点指向的计算节点；设dep(S)是组件服务S所依赖的组件服务构成的集合即依赖集，L是修改后依赖链的长度，d_i、d_j是组件服务S_i、S_j距离计算节点的长度，t_S和t_Si分别是S和S_i的纯粹信任值，T_S是S在组合服务中的信任值，公式如下：

$T_S=\frac{L^2}{\underset{S_j\∈\mathrm{dep}\left(S\right)}{\mathrm{\Σ}}{(L-d_j+1)}^2}{t}_s+\underset{S_j\∈\mathrm{dep}\left(S\right)}{\mathrm{\Σ}}\frac{{(L-d_i+1)}^2}{\underset{S_j\∈\mathrm{dep}}{\mathrm{\Σ}}{(L-d_j+1)}^2}{t}_{s_i}.$

所述步骤4)，在BPEL组合服务中，有四类控制结构：顺序、选择、并发和循环，针对不同的控制结构制定不同的约减规则，具体实现方法如下：

a)顺序结构中的组件服务对组合服务的可信性的影响程度是相同的，因此采用求平均的方式计算顺序结构的可信性；设组件服务S₁,S₂,...,S_m是顺序相连的组件服务，分别是组件服务在组合服务中的可信值，则由S₁,S₂,...,S_m构

成的顺序结构的信任值为：

$T_{\mathrm{seq}}=\frac{\mathrm{\Σ}{T}_{s_i}}{m};$

b)选择结构中存在多条可执行路径，由于每条路径被执行到的概率是不完全一样的，因此每条路径对组合服务的可信性的影响程度也是不一样的，设选择结构中有n条可执行路径，每条路径被执行到的概率分别为p₁，p₂，…，p_n，则该选择结构的可信值为：

$T_{\mathrm{cho}}=\mathrm{\Σ}{p}_i{T}_{s_i};$

c)并发结构中每一个分支并发执行，因此选择可信值最小的分支的信任值作为并发结构的信任值，即

$T_{\mathrm{flow}}=\min \left(T_{s_i}\right);$

d)循环结构中循环体要么不被执行，要么被重复执行多次，因此可以把循环结构简化为无环结构再计算。

所述步骤6)计算组合服务全局信任值的公式如下：

T＝e^-AnT_reduction+(1-e^-An)T_feedback

其中，T表示组合服务最终的全局可信性，T_reduction和T_feedback分别表示组合服务基于控制结构的可信性和基于用户反馈的可信性；n是用户反馈的次数，A是常量，均用于控制T_reduction和T_feedback的权重；此处假设用户对组合服务可信性的评价是一个[0,1]间的数值，数值越大表明该用户对组合服务可信性评价越高，通过对所有用户反馈值求平均的方式计算用户反馈信任值T_feedback。

有益效果：本发明提出了一种基于组件服务间的依赖关系的BPEL组合服务可信性计算方法，通过解析BPEL流程获取组件服务的数据依赖关系用以修正组件服务在组合服务中的信任值，在基于控制结构的组合服务可信值基础上，利用用户反馈信息修正组合服务可信值，较全面地评估BPEL组合服务的可信性。该方法有如下一些优点：

(1)基于数据依赖的组合服务可信性计算方法能够较全面地获取组件服务的依赖关系。Web服务是基于XML消息交互的，数据的可信性对组合服务的可信度至关重要。在组合服务中，变量是存储消息的容器，而变量的定义者和使用者最终均是组件服务，因此组合服务中的消息交互体现在组件服务间的数据交互，存在数据依赖的组件服务间也存在信任上的依赖关系，通过识别组件服务间的这种依赖关系可以修正组件服务在组合服务中的可信值，使得最终组合服务的可信值更合理。

(2)利用约减法计算组合服务的可信性可以保证组合服务的可信值计算结果不失真。约减法中对组合服务的控制结构均采用加权求和的方法，这种方法可以保证组合服务的可信值不会因为组件服务数量的增加而导致的组合服务可信值的下降，保证了组合服务作为一个整体投入市场时的竞争力。

(3)通过用户反馈信息修正组合服务的可信性可以更真实、全面地反应组合服务的可信性。基于控制结构的组合服务可信性评估方法是对组合服务自身质量的一种评估，但是组合服务可信性的表现还受外界运行环境的制约，通过用户使用后的反馈信息合理地修正组合服务的信任值可以使得组合服务的信任值更为全面、合理。

附图说明

图1是本发明计算BPEL组合服务全局可信性的流程图。

图2是本发明在BPEL流程中提取的与数据相关的活动。

图3是本发明所提出的计算基于依赖关系的组件服务可信性的方法流程。

图4是本发明实施例中的BPEL实例。

图5.1、图5.2、图5.3以及图5.4是本发明实施例中BPEL实例控制流图及约减过程示意图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明。

图1描述了本发明计算BPEL组合服务全局可信性的流程图：首先从BPEL源码提取组合服务中的组件服务和变量，并根据BPEL数据流确定变量的定义-使用对；然后一方面根据信任模型获取组件服务的纯粹信任值，另一方面利用变量的定义-使用对确定组件服务的依赖关系，根据这种依赖关系修正组件组合在组合服务中的可信性，即计算组件服务基于依赖的信任值；再者由BPEL流程的控制结构根据约减规则计算BPEL组合服务基于控制结构的信任值；最后结合用户对组合服务可信性的反馈评价确定组合服务的全局信任值。下面给出各个部分的具体说明。

一、基于依赖的组件服务可信性计算

在BPEL流程中，变量<variable>是临时存放数据的容器，数据来源于组件服务，也最终用于组件服务。

图2列出了BPEL中与变量相关的活动，包括<invoke>、<onMessage>、<onEvent>、<receive>、<reply>和<assign>，并描述了这些活动中数据的流动信息：

(1)<invoke>有两种消息传递的模式：“请求-响应”模式和“单向”模式。通过“请求-响应”模式，<invoke>表示BPEL流程向组件服务发出请求消息，并等待接收来自组件服务的响应消息；通过“单向”模式，<invoke>表示BPEL流程向组件服务发出消息。因此，对于“请求-响应”模式，组件服务是请求消息对应的变量的使用者，同时该服务是响应消息对应的变量的定义者；对于“单向”模式，组件服务是对应变量的使用者。

(2)<receive>表示BPEL接收来自组件服务的消息，并将该消息存于某变量中。该服务重新定义了该变量，是该变量的新定义者。<onMessage>和<onEvent>的用法与<receive>类似。

(3)<reply>表示BEPL流程向组件服务发出消息，组件服务是存放消息的变量的使用者，因此<reply>和<invoke>的“单向”模式在处理数据方面是一致的，均将数据传送给某个组件服务。

(4)<assign>表示对变量的赋值，<assign>利用表达式对变量赋值，即被赋值的变量使用了表达式中的变量，因此表达式中的变量的定义集合成了被赋值变量的新定义集。

通过变量这个中间桥梁实现消息数据的流动，类比传统数据流的分析方法，定义变量的定义-使用对，以找出组件服务间的数据关联性：接收组件服务S₁的消息并存储在变量v中可以看作是用组件服务S₁定义变量v；将v的值发送给组件服务S₂可以看成是组件服务S₂使用了变量v，这时S₁-S₂形成了变量v的一个定义-使用对，二者存在数据关联性，因此也存在直接依赖关系。

图3是本发明计算基于依赖关系的组件服务可信性过程示意图。

设v是BPEL流程中的变量，S₁和S₂是流程中的组件服务：

定义集def(v)：给v赋值的消息所在的组件服务构成的集合称为变量v的定义集。

使用集use(v)：接收变量v的值的组件服务构成的集合称为变量v的使用集。

定义-使用对du-pairs(S₁,S₂)：若S₁∈def(v)，S₂∈use(v)，且存在一条从S₁被调用到S₂被调用的路径，在这条路径上v没有被重新定义，则称S₁和S₂构成一个定义-使用对。

直接依赖集ddep(S₂)：若存在du-pairs(S₁,S₂),则称S₂直接依赖于S₁，S₂所直接依赖的组件服务构成的集合表示成ddep(S₂)。

遍历BPEL组合流程，提取组合服务中的组件服务和变量，根据活动中数据交互规则可确定变量的定义-使用对，从而确定所有组件服务的直接依赖关系。

如果S₁的数据来源于S₂，S₂的数据来源于S₃，则S₁的数据间接来源于S₃，S₃的可信性对S₁也有一定的影响，即若S₁直接依赖于S₂，S₂直接依赖于S₃，则S₁间接依赖于S₃。

将直接依赖的组件服务顺序相连就形成依赖链，依赖链上末端节点表示目标服务，所有其他服务构成目标服务的依赖集。

组件服务间的依赖关系存在衰减性：在依赖链上，目标服务距离它所依赖的服务越远，对其依赖性越弱，对自身在组合服务中的表现(组件服务在组合中的信任值)的影响越小。

二、组件服务的可信性

从信任模型获取的组件服务的信任值是它作为个体时的信任值，称为纯粹信任值。但是在组合服务中，组件服务的可信性表现不仅与自身的信任值有关，还依赖于它所依赖的组件服务的可信性，因此本发明中利用组件服务的依赖链修正组件服务在组合服务中的可信性。为了方面计算，在依赖链末端添加一个由目标节点指向的计算节点。设dep(S)是组件服务S所依赖的组件服务构成的集合(称为依赖集)，L是修改后依赖链的长度，d_i、d_j是组件服务S_i、S_j距离计算节点的长度，t_S和t_Si分别是S和S_i的纯粹信任值，T_S是S在组合服务中的信任值，公式如下：

$T_S=\frac{L^2}{\underset{S_j\&Element;\mathrm{dep}\left(S\right)}{\mathrm{\&Sigma;}}{(L-d_j+1)}^2}{t}_s+\underset{S_j\&Element;\mathrm{dep}\left(S\right)}{\mathrm{\&Sigma;}}\frac{{(L-d_i+1)}^2}{\underset{S_j\&Element;\mathrm{dep}}{\mathrm{\&Sigma;}}{(L-d_j+1)}^2}{t}_{s_i}.$

三、基于控制结构的组合服务可信性计算

在计算完组件服务在组合服务中的信任值之后，根据BPEL流程的控制结构计算基于控制结构的组合服务可信值。

在BPEL组合服务中，有四类控制结构：顺序、选择、并发和循环，针对不同的控制结构制定不同的约减规则：

a)顺序结构中的组件服务对组合服务的可信性的影响程度是相同的，因此采用求平均的方式计算顺序结构的可信性。设组件服务S₁,S₂,...,S_m是顺序相连的组件服务，分别是组件服务在组合服务中的可信值，则由S₁,S₂,...,S_m构成的顺序结构的信任值为：

$T_{\mathrm{seq}}=\frac{\mathrm{\&Sigma;}{T}_{s_i}}{m};$

b)选择结构中存在多条可执行路径，由于每条路径被执行到的概率是不完全一样的，因此每条路径对组合服务的可信性的影响程度也是不一样的，设选择结构中有n条可执行路径，每条路径被执行到的概率分别为p₁，p₂，…，p_n，则该选择结构的可信值为：

$T_{\mathrm{cho}}=\mathrm{\&Sigma;}{p}_i{T}_{s_i};$

c)并发结构中每一个分支并发执行，因此选择可信值最小的分支的信任值作为并发结构的信任值，即

$T_{\mathrm{flow}}=\min \left(T_{s_i}\right);$

d)循环结构中循环体要么不被执行，要么被重复执行多次，因此可以把循环结构简化为无环结构再计算。

四、组合服务全局可信性的计算

在组合服务发布之后，用户使用组合服务，并将使用信息反馈给合服务提供者。基于控制结构的组合服务可信值仅仅从BPLE流程自身出发，而用户的反馈信息是对组合服务真实执行效果的评价，更能反应组合服务可信性，因此为全面地评估组合服务的可信性，应利用用户对组合服务可信性的反馈信息对组合服务的可信性进行修正。公式如下：

T＝e^-AnT_reduction+(1-e^-An)T_feedback。

其中，T表示组合服务最终的全局可信性，T_reduction和T_feedback分别表示组合服务基于控制结构的可信性和基于用户反馈的可信性。n是用户反馈的次数，A是常量，均用于控制T_reduction和T_feedback的权重。此处假设用户对组合服务可信性的评价是一个[0,1]间的数值，数值越大表明该用户对组合服务可信性评价越高，通过对所有用户反馈值求平均的方式计算用户反馈信任值T_feedback。

实施例：

为了方面描述，我们假定有如下简化的应用实例：

图4是用BPEL语言描写的某公司的购货流程，其中CV、SaD、BV、StD、PD和FD均表示组件服务，分别为客户服务、销售部服务、银行服务、库存部服务、生产部服务和财务部服务。同一个服务的不同操作用下标区分，如StD₁表示服务StD的checkInven操作，而StD₂表示StD的prepareDeliverable操作。该组合服务接收客户的订单消息，并通过验证订单、银行转账、检查库存、发货等过程共同完成购货业务。各组件服务初始的纯粹信任值如下表所示：

图5.1是购货流程的控制流图，共有3个选择结构，p_ij表示第i个选择结构中第j个分支被执行到的概率，如下表所示。

根据本发明提出的BPEL中变量的定义集、使用集的定义，该BPEL流程所涉及的变量的定义集、使用集如下：

orderVar

verifyRes

orderAccp

orderCanc

PDSucc

checkRes

定义集

{CV1}

{SaD}

null

null

{BV2}

{StD1}

使用集

{SaD,PD,FD}

{StD1}

{CV2}

{CV3,CV4}

null

null

cancelPD

ProdRes

invoiceVar

deliRes

delivNot

transComp

定义集

{CV1}

{PD}

{FD}

{StD2}

{CV1}

BV3

使用集

{BV1}

null

null

null

{CV5}

null

由上表可知变量的定义-使用对有：du-pairs(CV₁,SaD)、du-pairs(CV₁,PD)、du-pairs(CV₁,FD)、du-pairs(SaD,StD₁)、du-pairs(CV₁,BV₁)和du-pairs(CV₁,CV₅)。虽然CV₅依赖于CV₁，但是由于这两个组件服务的操作来自同一个组件服务CV，所以它们原本就是一体的，因此这种依赖关系相当于自身依赖自身，在构造依赖链时将这种多余的依赖关系去掉。

根据定义-使用对，确定组件服务间的依赖关系，根据依赖的传递性获得依赖链，在依赖链上修正组件服务的可信性，t_i和T_i分别表示组件服务i的纯粹信任值和基于依赖关系的信任值，结果如下：

修正过组件服务的信任值后，下一步是根据组合服务的控制结构计算基于控制结构的组合服务可信性T_reduction。图5.1是购货流程的控制流图，包括3个选择结构和一个并发结构，第二个选择结构的每个分支均是顺序结构，因此第一步先计算第二个选择分支的可信性，结果如下：

$T_{B_{21}}=\frac{T_{{\mathrm{BV}}_1}+T_{{\mathrm{CV}}_4}}{2}=0.84;$

$T_{B_{22}}=\frac{T_{{\mathrm{BV}}_2}+T_{{\mathrm{StD}}_1}}{2}=0.82$

经一次约减后的控制结构如图5.2，第二步计算选择结构和并发结构的可信性，分别用T_cho1、T_cho2、T_cho3和T_par表示，结算结果分别为：

$T_{\mathrm{cho}1}=p_{11}{T}_{{\mathrm{CV}}_3}+p_{12}{T}_{{\mathrm{CV}}_2}=0.8;$

$T_{\mathrm{cho}2}=p_{21}{T}_{B_{21}}+p_{22}{T}_{B_{22}}=0.822;$

T_cho3＝p₃₁T_PD+p₃₂T₃₂＝0.968；

$T_{\mathrm{par}}=\min \{T_{\mathrm{FD}},T_{\mathrm{St}{D}_2}\}=0.7$

经过第二步约减后，控制流中只剩顺序结构，如图5.3所示，因此基于控制结构的可信性T_reduction为：

$T_{\mathrm{reduction}}=\frac{T_{C{V}_1}+T_{\mathrm{SaD}}+T_{\mathrm{ch}{o}_1}+T_{\mathrm{ch}{o}_2}+T_{\mathrm{ch}{o}_3}{+T}_{\mathrm{pa}{r}_1}+T_{C{V}_5}+T_{B{V}_3}}{8}=0.82$

最后根据用户对组合可信性的反馈值修正组合服务基于控制结构的信任值，得到最终组合服务的全局信任值。

Claims (1)

1.一种基于数据依赖的组合服务可信性计算方法，其特征在于，包括如下步骤：

1)根据消息的传递信息，定义BPEL流程中变量的定义者和使用者，并确定变量的定义-使用对，其中流程中给某变量赋值的消息所在的组件服务是该变量的定义者；流程中接收变量中的消息的组件服务是该变量的使用者；同一个变量的定义者和使用者构成该变量的定义-使用对；

2)根据变量的定义-使用对确定组件服务间的直接依赖关系，并根据依赖关系的传递性确定组件服务的间接依赖关系；

3)对每一个组件服务，根据组件服务间的直接依赖关系和间接依赖关系，构造该组件服务的依赖链，结合组件服务纯粹信任值，计算基于依赖的组件服务的信任值；

4)对BPEL流程中的4种控制结构：顺序、选择、循环和并发制定不同的约减规则，结合步骤3)计算基于控制结构的组合服务信任值；

5)将该组件服务投入使用之后，记录用户对该组件服务的反馈信息，计算基于用户反馈的组合服务信任值；

6)综合基于控制结构的组合服务可信性和基于用户反馈的组合服务可信性，计算组合服务全局信任值；

所述步骤3)中，计算基于依赖的组件服务的信任值方法如下：在依赖链末端添加一个由目标节点指向的计算节点；设dep(S)是组件服务S所依赖的组件服务构成的集合即依赖集，L是修改后依赖链的长度，d_i、d_j是组件服务S_i、S_j距离计算节点的长度，t_S和t_Si分别是S和S_i的纯粹信任值，T_S是S在组合服务中的信任值，公式如下：

$T_S=\frac{L^2}{\underset{S_j\&Element;\mathrm{dep}\left(S\right)}{\mathrm{\&Sigma;}}{(L-d_j+1)}^2}{t}_s+\underset{S_i\&Element;\mathrm{dep}\left(S\right)}{\mathrm{\&Sigma;}}\frac{{(L-d_i+1)}^2}{\underset{S_j\&Element;\mathrm{dep}\left(S\right)}{\mathrm{\&Sigma;}}{(L-d_j+1)}^2}{t}_{s_i};$

所述步骤4)，在BPEL组合服务中，有四类控制结构：顺序、选择、并发和循环，针对不同的控制结构制定不同的约减规则，具体实现方法如下：

a)顺序结构中的组件服务对组合服务的可信性的影响程度是相同的，因此采用求平均的方式计算顺序结构的可信性；设组件服务S₁,S₂,...,S_m是顺序相连的组件服务，分别是组件服务在组合服务中的可信值，则由S₁,S₂,...,S_m构成的顺序结构的信任值为：

$T_{\mathrm{seq}}=\frac{\mathrm{\&Sigma;}{T}_{s_i}}{m};$

b)选择结构中存在多条可执行路径，由于每条路径被执行到的概率是不完全一样的，因此每条路径对组合服务的可信性的影响程度也是不一样的，设选择结构中有n条可执行路径，每条路径被执行到的概率分别为p₁，p₂，…，p_n，则该选择结构的可信值为：

$T_{\mathrm{cho}}=\mathrm{\&Sigma;}{p}_i{T}_{s_i};$

c)并发结构中每一个分支并发执行，因此选择可信值最小的分支的信任值作为并发结构的信任值，即

$T_{\mathrm{flow}}=\min \left(T_{s_i}\right);$

d)循环结构中循环体要么不被执行，要么被重复执行多次，因此可以把循环结构简化为无环结构再计算；

所述步骤6)计算组合服务全局信任值的公式如下：

T＝e^-AnT_reduction+(1-e^-An)T_feedback

其中，T表示组合服务最终的全局可信性，T_reduction和T_feedback分别表示组合服务基于控制结构的可信性和基于用户反馈的可信性；n是用户反馈的次数，A是常量，均用于控制T_reduction和T_feedback的权重；此处假设用户对组合服务可信性的评价是一个[0,1]间的数值，数值越大表明该用户对组合服务可信性评价越高，通过对所有用户反馈值求平均的方式计算用户反馈信任值T_feedback。