基于多目特征交叉的服务推荐算法

摘要：

随着Web服务数量的迅速增长,服务过载的问题逐步显现.为了解决服务过载的问题,帮助用户快速定位高质量服务,服务推荐成为了服务计算领域的研究热点.针对目前服务推荐中冷启动及数据稀疏的难点问题,提出了一种基于多目特征交叉的服务质量(Quality of Service,QoS)预测推荐算法(Service Recommendation Algorithm Based on Multi-features Crossing,SRMFC),通过"词嵌入"方法实现多目特征的引入,提升算法在应对冷启动时的表现;同时,应用神经网络完成多目特征的自动交叉,相比于传统协同过滤(Collaborative Filtering,CF)、因子分解机(Factorization Machine,FM)等方法,该算法能实现特征之间相互关系的深入挖掘,从而提升算法在应对数据极度稀疏场景下的学习能力.在公共数据集上的实验结果表明,基于多目特征交叉的服务推荐算法在不同数据稀疏性场景下,相比于近几年主流的服务推荐算法,服务质量预测误差至少降低20％.

关键词：服务过载、冷启动、数据稀疏、QoS预测、服务推荐

所属期刊栏目：50

分类号：TP301(计算技术、计算机技术)

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：824-830