基于贝叶斯分类的Web服务质量预测方法研究

• 作者: 万健 任迪 周丽 殷昱煜 高敏
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: Web服务 服务质量(QoS)预测 协同过滤 贝叶斯分类 服务推荐
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 服务计算
• 页码范围: 1242-1251
• 页数: 10页
• 分类号: TP312
• 字数: 8354字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2017.06.023

摘要

针对网络环境不稳定导致Web服务质量(QoS)数据中存在噪声数据,进而降低Web服务质量预测精度的问题,提出一种基于贝叶斯分类的混合协同过滤Web服务质量值预测方法.该方法使用贝叶斯算法对Web服务质量数据进行分类并得到每个分类的概率,利用分类结果确定缺失值可能的取值范围,并对用户和服务的相似邻居进行过滤.通过引入分类概率,改进传统的协同过滤方法得到最终的缺失值预测结果,在一定程度上消除了噪声数据对Web服务质量预测的影响.实验结果表明:较之现有方法,该方法具有更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷昱煜	杭州电子科技大学计算机学院	9	38	4.0	6.0
2	任迪	杭州电子科技大学计算机学院	1	10	1.0	1.0
3	万健		2	11	1.0	2.0
4	周丽		1	10	1.0	1.0
5	高敏	杭州电子科技大学计算机学院	1	10	1.0	1.0