Outline Tesis Cristian

A unified model for assessing and selecting heterogeneous services using Case-based reasoning

Un modelo unificado para evaluar y seleccionar de servicios heterogéneos utilizando Razonamiento basado en casos (CBR)

Cap1: Intro

1.1 Motivación

1.2 Organización de la tesis

Cap2: Background

2.1 Intro: outline del capitulo (de que se va a hablar)

2.2 Metamodelo (tesis lucas)

2.3 CBR for service selection (Paper Clei Alan)

2.4 Open Challenges

Metamodelo no soportado (sólo wsdl)

Aceptar servicios heterogeneos (microservicios // REST)

Definir e implementar el proceso apropiadamente

(e.g., usar una base mongo en vez de en memoria; refactorings necesarios?)

Cap3: Proposal

Intro (outline del cap)

3.1 Mostrar el proceso nuevo (figura draw.io)

Explicar cada uno de los pasos a alto nivel

(luego se explicará en detalle en sub-sub-sectio(tn o paragraphs c/u de los pasos)

3.2 Explicar el refactoring llevado a cabo respecto de la implementación existente

3.3 Explicar el parser de openAPI a metamodelo

3.4 Otros aportes

Cap4: Validación Experimental

Intro: Explicar a grandes rasgos que exp se van a hacer y qué se va a medir (aprendizaje, precision, over/underfitting?)

4.1 "Material" experimental

Dataset wsdl

Dataset OpenApi

De los dos anteriores, se genera el dataset de prueba

Base de datos de queries

KB a popular

4.2 "Proceso" experimental 1

Elegir un dataset de muestra inicial para popular la base

Calcular precision sin aprendizaje

Mutar el dataset inicial y cablear el resultado al servicio relevante

Aprender y volver a correr para comparar vs. antes de aprender

4.3 "Proceso" experimental 2

Experimento con el modelo full (a definir)

Cuales son las queries? Deberian ser mutadas automaticamente

Cual es el dataset de prueba?

4.4 Discussion y "threats to validity" (limitaciones)

Cap5: Conclusión y trabajos futuros.