Modelo de aprendizaje de máquinas para reducir las fallas de instanciación en composiciones de servicios

Autores/as

  • Byron Enrique Portilla Rosero Universidad Nacional de Colombia sede Medellín
  • Jaime Alberto Guzmán Luna Universidad Nacional de Colombia sede Medellín

Palabras clave:

Composición de servicios Web, planificación, árboles de decisión, manejo de fallas.

Resumen

Este artículo, presenta un modelo de aprendizaje de maquinas orientado a reducir las fallas que se generan al asumir instancias de datos incorrectas por parte del planificador al momento de realizar el proceso de composición de servicios Web. Para ello, se  enfatiza en la adquisición de información del mundo real a través de la ejecución del servicio y por medio de árboles de decisión, predecir la mejor regla de aprendizaje en función a la ejecución de un servicio. 

 

ABSTRACT

 

This paper, show a machine learning model to reduce failures generated by assuming incorrect information instances by the planner during Web service composition process. For it, we emphasize in the acquisition of real-world information through the Web service execution and through decision trees, predicting the best learning rule according to the execution each service. 

Métricas de Artículo

|Resumen: 158 | PDF: 107 |

Citado por



Descargas

Publicado

2009-12-20

Cómo citar

Portilla Rosero, B. E., & Guzmán Luna, J. A. (2009). Modelo de aprendizaje de máquinas para reducir las fallas de instanciación en composiciones de servicios. Revista Politécnica, 5(9), 58–64. Recuperado a partir de https://revistas.elpoli.edu.co/index.php/pol/article/view/142

Número

Sección

Artículos