摘要：針對現(xiàn)有信譽度量模型存在的粒度過粗、維度考慮不全的問題,本文提出一種基于半監(jiān)督學(xué)習(xí)的在線服務(wù)信譽度量方法.首先將在線服務(wù)信譽度量建模成對服務(wù)的分類問題,通過人工標(biāo)注服務(wù)訓(xùn)練集并訓(xùn)練對服務(wù)的決策樹分類器.然后基于Tri-training算法利用所得到的分類器對未標(biāo)注服務(wù)集中的服務(wù)進(jìn)行分類,并將分類后的服務(wù)和標(biāo)簽一起加入到訓(xùn)練集,重新訓(xùn)練分類器模型并用所訓(xùn)練分類器對服務(wù)進(jìn)行分類.同時,為對抗模型過擬合提升模型的泛化能力,對模型進(jìn)行改進(jìn),提出剪枝處理和增加分類器個數(shù)并抽樣決策屬性構(gòu)造半監(jiān)督隨機森林兩種方法,并用所得分類器對服務(wù)進(jìn)行分類實現(xiàn)信譽度量.通過實驗驗證了本文所提出方法的有效性與高效性.