基于QoS反向预测的服务推荐

• 作者: 冯怡鹏 吴健 殷冰涛 陈亮
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 服务质量 协同过滤 反向预测 用户反馈
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 计算机软件与数据库
• 页码范围: 2674-2680
• 页数: 7页
• 分类号: TP311
• 字数: 8547字
• 语种: 中文

摘要

随着云计算的发展,互联网上涌现出越来越多的功能相同但服务质量(QoS)不同的Web服务.基于服务质量的服务推荐,旨在从这些等功能服务中挑选出满足用户服务质量需求的服务,已成为服务计算领域的一个热门课题.由于极少有用户曾调用过所有候选服务,推荐系统将面临服务质量缺失的问题,因此,基于协同过滤的思想,提出一种服务质量预测算法RST.与以往算法相比,RST算法利用反向预测机制解决数据稀疏问题,提高了预测准确度.此外,RST算法基于用户对推荐结果的反馈,自动建立与维护信任度模型,可动态改善预测效果.最后,基于真实的数据集,验证RST预测算法的效果,并衡量各参数对预测结果的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴健	浙江大学计算机学院	92	2205	22.0	46.0
2	陈亮	浙江大学计算机学院	51	492	11.0	21.0
3	冯怡鹏	浙江大学计算机学院	2	3	1.0	1.0
4	殷冰涛	浙江大学计算机学院	1	3	1.0	1.0