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

Abstract

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.