【摘要】：越來越多的開發(fā)者已經傾向于購買各種Web服務搭建他們的應用平臺。而面對市面上相關產品眾多,功能高度同質化的現狀,服務提供商有必要通過技術手段幫助用戶確定其最合適的Web服務。因此,服務推薦技術應運而生,成為解決以上問題的有效手段之一。然而,作為服務推薦依據的QoS數據常含有缺失部分,QoS數據缺失過多會嚴重影響服務推薦的質量,因而數據科學家有必要在進行推薦之前對QoS數據中的缺失值進行預測并填充。本文針對服務推薦中的QoS缺失值預測問題,采用張量方法完成了以下三個方面的工作:首先,針對傳統(tǒng)張量模型不重視QoS數據位置信息的問題,本文將蘊含著位置信息的QoS數據進行聚類,將地理位置相近的服務聚合在一起,從而形成數個小型的QoS張量,以便于使用張量模型對它們分別進行缺失值預測,從而提高預測的準確度。其次,本文對QoS缺失值預測的求解方式進行改進,一方面考慮最小化缺失QoS張量中已知部分和預測結果中相應位置的誤差;另一方面受到圖像降噪問題的啟發(fā),將插補過后的QoS張量視作含有噪聲的數據,然后對其進行去噪操作。本文隨后在對QoS信息進行位置聚類的基礎上,將這兩種求解思路和改進后的高階正交迭代算法結合起來,提出了 CHOOI1和CHOOI2兩個QoS缺失值預測模型。在公開數據集WSDREAM dataset 2上驗證了它們的可行性以及預測結果的準確性。為了進一步提高模型預測準確度,本文還將CHOOI2模型和傳統(tǒng)張量模型中表現最為優(yōu)秀的NTF模型相結合,提出了 QTF模型。實驗證明,QTF模型在QoS缺失值預測任務上表現出了分別優(yōu)于前二者的預測準確度和運行時間。第三,針對高階正交迭代占用內存空間大、迭代慢的特點,本文從迭代過程出發(fā),進一步完成了 QTF模型的并行化工作,并在Apache Spark分布式計算框架下實現,本文針對QTF的并行化工作主要集中在其CHOOI2模型部分。從實驗結果來看,并行版本的算法相較于串行版本而言在運行時間上有一定程度的改善,而且有更大的潛力處理大規(guī)模數據集上的QoS預測任務。
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP393.09
【圖文】：

和數學和物理學中的張量不盡相同，本文所指的張量（ｔｅｎｓｏｒ）是矩陣的的高逡逑維度擴展，是一個高維度的數組。張量的秩（ｏｒｄｅｒ）指的是張量的維度數，也叫做逡逑路（ｗａｙ）或者模（ｍｏｄｅ）。階數為１的張量稱做向量（Ｖｅｃｔｏｒ）、階數為２的張量逡逑稱作矩陣（ｍａｔｒｉｘ）、階數為３或者更高的張量才正式被稱作張量。在Ｋｏｌｄａ等人逡逑［｜６］的文獻中，向量用小寫加粗字母表示，例如：ａ；矩陣用大寫加粗字母表示，例逡逑如：ｙ４；張量用加粗的大寫的歐拉手與體體字母表不，例如：％；向量的兀素用ａ，．逡逑表示，矩陣的元素用Ａ，ｙ表示，張量的元素用Ｘ，＃表示。逡逑當一個張量的某一個維度所有的坐標都被固定之后，就會形成張量的子集，對逡逑于矩陣來說，矩陣的子集是矩陣的行和列，用４和心來表示，對于張量來說，張量逡逑的子集是纖維（ｆｉｂｅｒｓ）和切片（ｓｌｉｃｅｓ）。纖維是矩陣的行和列的高維度拓展，它是逡逑把張量的索引固定至僅有一個維度自由變化之后被定義出來的，矩陣的行是模態(tài)＿逡逑１上的纖維，矩陣的列是模態(tài)－２上的纖維，三階張量的纖維分別叫做行纖維、列纖逡逑維、管（ｔｕｂｅ）纖維，它們是一個向量，記作尤＃、和巧：。切片是矩陣的二階逡逑部分，它是把張量的索引固定至僅有兩個維度自由變化之后被定義的，對于三階逡逑張量龍，它的三個切片分別是水平切片，側切片，前切片，分別表示為：Ａ：：、易：：和逡逑Ｘｋ逡逑

相關領域研究者通常使用因子矩陣來描述組成秩一張量的向量，對來說，矩逡逑陣４邋＝邋［ｆｌｌ，因子矩陣Ｃ以此類推，這樣研宄人員就可以方便地描述張量逡逑地切片，或者對因子矩陣進行求導等操作。ＣＰ分解的示意圖如圖２－２所示。逡逑／邐／逡逑＾邐ｎ１－邐－邋１邋＋邐ｎ１邐１邋＋邋……逡逑＿＿＾邐ｙ邐ｌ逡逑圖２－２三階張量ＣＰ分解的示意圖逡逑Ｆｉｇｕｒｅ邋２－２邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ＣＰ邋ｄｅｃｏｍｐｓｉｔｉｏｎ邋ｏｆ邋３－ｏｒｄｅｒ邋ｔｅｎｓｏｒ逡逑１０逡逑

Ｃ中成分的數量，也就是矩陣的列數，如果尸、０、／？的數量比／、？／、欠要小，那么逡逑l捑涂梢鑰醋髁囊桓鲅顧醢姹盡Ｄ承┣榭魷攏紙獍姹鏡惱帕勘仍吹惱帕坑滌繡義細〉拇媧⒖占洹＃裕酰悖耄澹蚍紙餿繽跡玻乘盡ｅ邋五義希擼擼擼擼擼脲危懾澹郟桑皺義賢跡玻橙漬帕浚裕酰悖耄澹蚍紙獾氖疽饌煎義希保卞義

本文編號：2778878