基于因子分解机的质量感知Web服务推荐方法
随着Web服务市场的发展,Web服务数量日益庞大,服务的质量日益受到重视,因此为用户评估服务质量并推荐高质量的服务成为了极为重要的问题.传统的协同过滤方法用于Web服务推荐,可能会因为数据稀疏导致性能不高.近年较流行的矩阵分解技术可以用来克服推荐系统的数据稀疏问题,但是计算的时间复杂度较高,可扩展性差.为同时提高Web服务质量推荐的精度和效率,文中引入了一种通用的因子分解机模型到Web服务推荐中.因子分解机具有线性的计算时间复杂度,不仅能适应数据高度稀疏的推荐系统环境,而且很容易结合用户和推荐对象的上下文信息以进一步提升性能.文中提出的质量感知Web服务推荐方法,是在因子分解机的基础上,考虑了Web服务质量与用户(或服务)位置之间的相关性.该方法先利用位置信息计算每个用户(或服务)的相似邻居,然后将相似用户(或服务)的影响与因子分解机结合来为目标用户预测目标服务的质量,最后在预测服务质量的基础上为目标用户发现和推荐高质量的服务.在真实的Web服务调用数据集上开展实验表明,该方法在预测精度上优于其它协同过滤及因子分解推荐算法.同时由于该方法具有较低的时间复杂度,可以较好地解决大规模Web服务推荐系统的可扩展问题.
服务推荐、分解机、协同过滤、QoS预测、位置感知、服务计算
41
TP301(计算技术、计算机技术)
国家自然科学基金61572186,61572188,61402168;湖南省高校创新平台开放基金15K043;湖南省研究生科研创新项目CX2016B574
2018-10-12（万方平台首次上网日期，不代表论文的发表时间）
共14页
1300-1313
