基于迭代训练的Web Service混合协同过滤推荐模型

• 作者: 周作建 潘金贵 王斌斌 过洁
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: Web服务推荐 QoS 协同过滤 迭代 预测树
• 年，卷（期）: 2013,（z2）
• 所属期刊栏目: 网络大数据分析
• 页码范围: 153-162
• 页数: 10页
• 分类号: TP391
• 字数: 6996字
• 语种: 中文

摘要

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.