计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
z2期
153-162
,共10页
王斌斌%周作建%过洁%潘金贵
王斌斌%週作建%過潔%潘金貴
왕빈빈%주작건%과길%반금귀
Web服务推荐%QoS%协同过滤%迭代%预测树
Web服務推薦%QoS%協同過濾%迭代%預測樹
Web복무추천%QoS%협동과려%질대%예측수
Web service recommendation%QoS%collaborative filtering%iteration%predicting tree
伴随着互联网技术的日益发展,海量数据的集成融合促进了大数据技术的广泛应用,尤其以面向服务为核心的Web Service技术被普遍用来提供新型互联网服务,这使得针对服务提供商及个人用户设计一种基于Web Service的个性化服务推荐系统变得十分必要.因此,提出一种基于混合协同过滤技术进行服务质量(QoS)预测的服务推荐模型.该模型利用迭代训练的思想,不断提升服务质量预测值的准确率,并通过基于预测树(PTree)的性能优化策略,有效地降低了迭代过程的运行时间.基于一个包含150万条Web Service调用信息的数据集,开展了一系列的对比分析实验.实验结果表明,相比于其他一些推荐模型,所提出的基于迭代训练的混合协同过滤推荐模型在消耗同等资源的情况下,能够有效地降低预测值的误差,提升模型整体的预测准确率.
伴隨著互聯網技術的日益髮展,海量數據的集成融閤促進瞭大數據技術的廣汎應用,尤其以麵嚮服務為覈心的Web Service技術被普遍用來提供新型互聯網服務,這使得針對服務提供商及箇人用戶設計一種基于Web Service的箇性化服務推薦繫統變得十分必要.因此,提齣一種基于混閤協同過濾技術進行服務質量(QoS)預測的服務推薦模型.該模型利用迭代訓練的思想,不斷提升服務質量預測值的準確率,併通過基于預測樹(PTree)的性能優化策略,有效地降低瞭迭代過程的運行時間.基于一箇包含150萬條Web Service調用信息的數據集,開展瞭一繫列的對比分析實驗.實驗結果錶明,相比于其他一些推薦模型,所提齣的基于迭代訓練的混閤協同過濾推薦模型在消耗同等資源的情況下,能夠有效地降低預測值的誤差,提升模型整體的預測準確率.
반수착호련망기술적일익발전,해량수거적집성융합촉진료대수거기술적엄범응용,우기이면향복무위핵심적Web Service기술피보편용래제공신형호련망복무,저사득침대복무제공상급개인용호설계일충기우Web Service적개성화복무추천계통변득십분필요.인차,제출일충기우혼합협동과려기술진행복무질량(QoS)예측적복무추천모형.해모형이용질대훈련적사상,불단제승복무질량예측치적준학솔,병통과기우예측수(PTree)적성능우화책략,유효지강저료질대과정적운행시간.기우일개포함150만조Web Service조용신식적수거집,개전료일계렬적대비분석실험.실험결과표명,상비우기타일사추천모형,소제출적기우질대훈련적혼합협동과려추천모형재소모동등자원적정황하,능구유효지강저예측치적오차,제승모형정체적예측준학솔.