基于位置聚类和张量分解的We b服务推荐算法

• 作者: 俊浩 唐妮 曾骏 熊庆宇 王喜宾 高旻
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Web服务推荐 服务质量(QoS)属性 聚类 张量分解
• 年，卷（期）: 2016,（15）
• 所属期刊栏目: 理论与研发
• 页码范围: 65-72
• 页数: 8页
• 分类号: TP311
• 字数: 8125字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1601-0126

摘要

基于服务质量（QoS）的Web服务推荐能在众多功能相似的Web服务中发现最能满足用户非功能需求的Web服务，但QoS属性值预测算法仍存在预测准确度不高和数据稀疏性的问题。针对以上问题，提出了一种基于位置聚类和分层张量分解的QoS预测算法ClustTD，该算法基于用户和服务的位置属性将用户和服务聚类成多个局部组，分别对局部组和全局的用户、服务和时间上下文进行张量建模和分解，将局部和全局张量分解的QoS预测值进行加权组合，同时考虑了局部和全局因素，获得最终QoS预测值。实验结果表明，该算法具有较高的QoS预测准确率和We b服务推荐质量，并能在一定程度上解决数据稀疏性问题。