Zagregowane parametry usług reprezentujące doświadczenia różnych agentów z dostawcami zawierają niejasności i niejasności wynikające z obserwacji opartej na społeczeństwie ludzkim, w którym podczas interakcji lub przyjmowania zaleceń od kogoś, zalecenia są generalnie oparte na jego / jej psychicznych i społecznych subiektywnych cechach, które są różne dla różnych osób. Dlatego potrzebny jest mechanizm, który mógłby ilościowo określić subiektywność i niejasność na podstawie atrybutów podawanych przez rekomendujących. Można do tego wykorzystać FIS, którego szczegóły omówiono wcześniej, ze względu na jego zdolność do pracy z różnymi regułami wychwytującymi niepewność obecną w danych. Wartości zagregowanych atrybutów usług są najpierw odwzorowywane na ich zdefiniowane MF i fuzzified; następnie są przetwarzane przez indywidualnie skonfigurowane reguły rozmyte (zdarzenie) -warunek-akcja. Reguły definiują warunki, jakie muszą spełniać rozmyte zagregowane atrybuty do interpretacji godnego zaufania zachowania. Na przykład reguła, jeśli czas_obrotu_zadania jest niski, a wskaźnik_sukcesu_zadania jest wysoki, wówczas reputacja jest wysoka, że renomowani dostawcy usług powinni mieć odpowiednio niski i wysoki czas_turn_turnaround_turn_turnaround_ job_success_ratio_success_ratio. Później, rozszyfrowanie zagregowanych wyników zastosowanych reguł daje wyraźną wartość reputacji usługodawców na podstawie zagregowanych parametrów usług zalecanych przez dane wejściowe. Wdrożyliśmy FIS w MATLAB 7.0.1., Korzystając z silnika wnioskowania Mamdani, biorąc dwa atrybuty usług dostawcy usług (czas_przekrętu_zadania, współczynnik_zadania_zadania) jako dane wejściowe, a reputację jako wynik. Zrzuty ekranowe obliczania reputacji za pomocą FIS są pokazane na rysunku
FIS rejestruje i klasyfikuje potencjał różnych dostawców zasobów za pomocą ujednoliconej miary zwanej reputacją, która pomaga agentom użytkowników w spersonalizowanym i adaptacyjnym wyborze usługodawców poprzez odpowiednie pisanie rozmytych reguł, na przykład optymistyczne żądanie agenta dotyczące godnego zaufania zachowania usługodawcy nie może być bardziej rygorystyczny niż pesymista.