Service composition enables the flexible and agile collaboration of multiple services to complete personalized manufacturing tasks in cloud manufacturing. Compared with traditional manufacturing mode and cloud computing, trust problems become more serious and crucial in cloud manufacturing because of the nontransparency and short-term cooperation mode. A trust evaluation method for service composition in cloud manufacturing is proposed in this article. To quantitatively calculate the trust, a trust evaluation index system is established that comprehensively considers the influencing factors in the production, transaction, and collaboration processes of cloud manufacturing services. The trust value is synthesized based on all index values using the criteria importance through intercriteria correlation method. To extract the temporal information in historical trust data, a time-aware predictive trust evaluation method based on gated recurrent unit is proposed to learn the changing pattern of trust value over time. The trust data are trained together with their timestamps to predict the trust in the scheduled transaction time. The correlation between services in service composition is modeled to mine the correlation information by association analysis. The trust of service composition depends on the trust values of all component services and the correlations between them. The experiments demonstrate the effectiveness of the proposed method through case studies and performance comparisons with other state-of-art methods.

中文翻译：

---

使用 GRU 和关联分析对云制造中的服务组合进行信任评估

服务组合使得多个服务能够灵活敏捷地协作，完成云制造中的个性化制造任务。与传统制造模式和云计算相比，由于不透明和短期合作模式，云制造中的信任问题变得更加严重和关键。提出一种云制造中服务组合的信任评估方法。为了量化计算信任度，建立了综合考虑云制造服务生产、交易、协作过程中影响因素的信任评价指标体系。信任值是基于所有指标值使用准则重要性通过准则间相关方法合成的。为了提取历史信任数据中的时间信息，提出了一种基于门控循环单元的时间感知预测信任评估方法，以了解信任值随时间的变化模式。信任数据连同它们的时间戳一起训练，以预测预定交易时间的信任。对服务组合中服务之间的关联性进行建模，通过关联分析挖掘关联信息。服务组合的信任取决于所有组件服务的信任值以及它们之间的相关性。实验通过案例研究和与其他最先进方法的性能比较证明了所提出方法的有效性。提出了一种基于门控循环单元的时间感知预测信任评估方法来学习信任值随时间的变化模式。信任数据连同它们的时间戳一起训练，以预测预定交易时间的信任。对服务组合中服务之间的关联性进行建模，通过关联分析挖掘关联信息。服务组合的信任取决于所有组件服务的信任值以及它们之间的相关性。实验通过案例研究和与其他最先进方法的性能比较证明了所提出方法的有效性。提出了一种基于门控循环单元的时间感知预测信任评估方法来学习信任值随时间的变化模式。信任数据连同它们的时间戳一起训练，以预测预定交易时间的信任。对服务组合中服务之间的关联性进行建模，通过关联分析挖掘关联信息。服务组合的信任取决于所有组件服务的信任值以及它们之间的相关性。实验通过案例研究和与其他最先进方法的性能比较证明了所提出方法的有效性。对服务组合中服务之间的关联性进行建模，通过关联分析挖掘关联信息。服务组合的信任取决于所有组件服务的信任值以及它们之间的相关性。实验通过案例研究和与其他最先进方法的性能比较证明了所提出方法的有效性。对服务组合中服务之间的关联性进行建模，通过关联分析挖掘关联信息。服务组合的信任取决于所有组件服务的信任值以及它们之间的相关性。实验通过案例研究和与其他最先进方法的性能比较证明了所提出方法的有效性。