【摘要】：為改善Web服務(wù)QoS預(yù)測效率,向用戶提供高質(zhì)量的Web服務(wù),提出一種融合位置最近鄰法則的擴展矩陣分解算法.該方法首先利用用戶和服務(wù)的位置信息進行用戶和服務(wù)的最近鄰選擇,克服了傳統(tǒng)的QoS預(yù)測算法對Web服務(wù)位置信息利用不準確或不足的問題.然后將鄰域信息融入矩陣分解框架,改善了矩陣分解技術(shù)在QoS預(yù)測中本地信息利用不足的問題,同時采用梯度下降算法進行QoS的預(yù)測.最后,本文基于真實Web服務(wù)數(shù)據(jù)集WSRec進行了對比實驗,實驗結(jié)果表明了本文所提算法的有效性.
[Abstract]:In order to improve the efficiency of QoS prediction for Web services and provide high quality Web services to users, an extended matrix factorization algorithm based on the nearest neighbor rule is proposed. Firstly, the location information of user and service is used to select the nearest neighbor of user and service, which overcomes the problem of inaccurate or insufficient use of Web service location information by traditional QoS prediction algorithm. Then the neighborhood information is incorporated into the matrix decomposition framework to improve the problem that the local information is underutilized in the QoS prediction by matrix decomposition technology. At the same time the gradient descent algorithm is used to predict the QoS. Finally, a comparative experiment based on the real Web service data set WSRec is carried out, and the experimental results show the effectiveness of the proposed algorithm.
【作者單位】： 華中師范大學數(shù)學與統(tǒng)計學學院;華中師范大學計算機學院;
【基金】：“十二五”國家科技支撐計劃項目(2015BAK33B00)資助
【分類號】：TP393.09

【參考文獻】

相關(guān)期刊論文 前2條

1 彭桃;劉建勛;唐明董;曹步清;;考慮不確定QoS值的Web服務(wù)選擇方法[J];小型微型計算機系統(tǒng);2015年11期

2 蘇凱;馬良荔;孫煜飛;郭曉明;;面向Web服務(wù)QoS預(yù)測的非負矩陣分解模型[J];浙江大學學報(工學版);2015年07期

相關(guān)碩士學位論文 前1條

1 陳克寒;基于用戶聚類的Web服務(wù)QoS預(yù)測與服務(wù)選擇算法研究[D];浙江大學;2013年

【共引文獻】

相關(guān)期刊論文 前3條

1 李國盛;王娜;李藝夫;;面向Web服務(wù)質(zhì)量預(yù)測的高可用矩陣還原模型[J];小型微型計算機系統(tǒng);2017年04期

2 徐李;董才林;喻瑩;;面向QoS預(yù)測的位置最近鄰矩陣分解算法研究[J];小型微型計算機系統(tǒng);2017年02期

3 劉春燕;鄒承明;;基于用戶體驗度的云服務(wù)策略研究[J];小型微型計算機系統(tǒng);2016年06期

相關(guān)碩士學位論文 前1條

1 張曉俠;混合QoS感知的高效Web服務(wù)選擇方法研究[D];渤海大學;2016年

【二級參考文獻】

相關(guān)期刊論文 前4條

1 張莉;張斌;黃利萍;朱志良;;基于服務(wù)調(diào)用特征模式的個性化Web服務(wù)QoS預(yù)測方法[J];計算機研究與發(fā)展;2013年05期

2 彭飛;鄧浩江;劉磊;;面向個性化服務(wù)推薦的QoS動態(tài)預(yù)測模型[J];西安電子科技大學學報;2013年04期

3 祝希路;王柏;;支持區(qū)間型QoS的Web服務(wù)選擇[J];北京郵電大學學報;2011年04期

4 劉志中;王志堅;周曉峰;婁淵勝;尚領(lǐng);;基于事例推理的Web服務(wù)QoS動態(tài)預(yù)測研究[J];計算機科學;2011年02期

【相似文獻】

相關(guān)期刊論文 前10條

1 史加榮;鄭秀云;周水生;;矩陣補全算法研究進展[J];計算機科學;2014年04期

2 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強變分貝葉斯矩陣分解模型[J];自動化學報;2011年09期

3 袁運祥;基于矩陣分解的子結(jié)構(gòu)法求解介紹[J];計算機應(yīng)用通訊;1981年00期

4 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應(yīng)用[J];科技通報;2013年12期

5 何朕,趙文斌,于達仁;攝動矩陣的分解[J];電機與控制學報;2004年03期

6 李華云;;F范數(shù)及矩陣分解實例研究[J];現(xiàn)代情報;2008年10期

7 鄒理和;;系數(shù)矩陣分解二維譜估值[J];信號處理;1985年03期

8 陳伯倫;陳];鄒盛榮;徐秀蓮;;基于矩陣分解的二分網(wǎng)絡(luò)社區(qū)挖掘算法[J];計算機科學;2014年02期

9 王鋒;趙志文;牟盛;;整數(shù)提升小波多相矩陣分解系數(shù)的快速提取算法[J];中國圖象圖形學報;2012年03期

10 段華杰;;考慮時間效應(yīng)的矩陣分解技術(shù)在推薦系統(tǒng)中的應(yīng)用[J];微型電腦應(yīng)用;2013年03期

相關(guān)會議論文 前2條

1 王春江;錢若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應(yīng)用[A];第九屆全國結(jié)構(gòu)工程學術(shù)會議論文集第Ⅰ卷[C];2000年

2 王春江;王人鵬;錢若軍;王穎;;矩陣分解技術(shù)在體系性態(tài)綜合分析中的初步應(yīng)用[A];“力學2000”學術(shù)大會論文集[C];2000年

相關(guān)博士學位論文 前7條

1 王中卿;基于文本信息的社會關(guān)系分析與研究[D];蘇州大學;2016年

2 王嘯;基于生成模型和矩陣分解的社區(qū)發(fā)現(xiàn)算法研究[D];天津大學;2015年

3 李英明;矩陣分解在數(shù)據(jù)挖掘中的應(yīng)用[D];浙江大學;2014年

4 趙科科;低秩矩陣分解的正則化方法與應(yīng)用[D];浙江大學;2012年

5 郭亦鴻;利用穆勒矩陣分解定量測量各向異性介質(zhì)微觀結(jié)構(gòu)[D];清華大學;2014年

6 胡惠軼;基于分解的系統(tǒng)辨識方法研究[D];江南大學;2014年

7 陳根浪;基于社交媒體的推薦技術(shù)若干問題研究[D];浙江大學;2012年

相關(guān)碩士學位論文 前10條

1 秦曉暉;個性化微博推薦方法研究[D];華南理工大學;2015年

2 劉鳳林;基于矩陣分解的協(xié)同過濾推薦算法研究[D];南京理工大學;2015年

3 李源鑫;基于提升的信任融合矩陣分解推薦算法[D];福建師范大學;2015年

4 陳洪濤;基于矩陣分解的常規(guī)與長尾捆綁推薦的博弈研究[D];福建師范大學;2015年

5 張濟龍;基于概率矩陣分解的推薦算法研究[D];燕山大學;2015年

6 鄧志豪;基于物品相似度和主題回歸的矩陣分解推薦算法[D];浙江大學;2015年

7 余露;利用矩陣分解算法建模數(shù)據(jù)稀疏環(huán)境下用戶協(xié)同行為[D];杭州師范大學;2015年

8 倪澤明;混合用戶行為建模的概率矩陣分解推薦算法[D];浙江大學;2015年

9 丁浩;基于協(xié)同矩陣分解的藥物靶標相互作用關(guān)系預(yù)測[D];復(fù)旦大學;2014年

10 吳世偉;社會網(wǎng)絡(luò)中的鏈接分析[D];復(fù)旦大學;2014年

，

本文編號：2300669