面向QoS预测的位置最近邻矩阵分解算法研究

发布时间：2018-10-30 17:26

【摘要】：为改善Web服务QoS预测效率,向用户提供高质量的Web服务,提出一种融合位置最近邻法则的扩展矩阵分解算法.该方法首先利用用户和服务的位置信息进行用户和服务的最近邻选择,克服了传统的QoS预测算法对Web服务位置信息利用不准确或不足的问题.然后将邻域信息融入矩阵分解框架,改善了矩阵分解技术在QoS预测中本地信息利用不足的问题,同时采用梯度下降算法进行QoS的预测.最后,本文基于真实Web服务数据集WSRec进行了对比实验,实验结果表明了本文所提算法的有效性.
[Abstract]:In order to improve the efficiency of QoS prediction for Web services and provide high quality Web services to users, an extended matrix factorization algorithm based on the nearest neighbor rule is proposed. Firstly, the location information of user and service is used to select the nearest neighbor of user and service, which overcomes the problem of inaccurate or insufficient use of Web service location information by traditional QoS prediction algorithm. Then the neighborhood information is incorporated into the matrix decomposition framework to improve the problem that the local information is underutilized in the QoS prediction by matrix decomposition technology. At the same time the gradient descent algorithm is used to predict the QoS. Finally, a comparative experiment based on the real Web service data set WSRec is carried out, and the experimental results show the effectiveness of the proposed algorithm.
【作者单位】： 华中师范大学数学与统计学学院;华中师范大学计算机学院;
【基金】：“十二五”国家科技支撑计划项目(2015BAK33B00)资助
【分类号】：TP393.09

【参考文献】

相关期刊论文 前2条

1 彭桃;刘建勋;唐明董;曹步清;;考虑不确定QoS值的Web服务选择方法[J];小型微型计算机系统;2015年11期

2 苏凯;马良荔;孙煜飞;郭晓明;;面向Web服务QoS预测的非负矩阵分解模型[J];浙江大学学报(工学版);2015年07期

相关硕士学位论文 前1条

1 陈克寒;基于用户聚类的Web服务QoS预测与服务选择算法研究[D];浙江大学;2013年

【共引文献】

相关期刊论文 前3条

1 李国盛;王娜;李艺夫;;面向Web服务质量预测的高可用矩阵还原模型[J];小型微型计算机系统;2017年04期

2 徐李;董才林;喻莹;;面向QoS预测的位置最近邻矩阵分解算法研究[J];小型微型计算机系统;2017年02期

3 刘春燕;邹承明;;基于用户体验度的云服务策略研究[J];小型微型计算机系统;2016年06期

相关硕士学位论文 前1条

1 张晓侠;混合QoS感知的高效Web服务选择方法研究[D];渤海大学;2016年

【二级参考文献】

相关期刊论文 前4条

1 张莉;张斌;黄利萍;朱志良;;基于服务调用特征模式的个性化Web服务QoS预测方法[J];计算机研究与发展;2013年05期

2 彭飞;邓浩江;刘磊;;面向个性化服务推荐的QoS动态预测模型[J];西安电子科技大学学报;2013年04期

3 祝希路;王柏;;支持区间型QoS的Web服务选择[J];北京邮电大学学报;2011年04期

4 刘志中;王志坚;周晓峰;娄渊胜;尚领;;基于事例推理的Web服务QoS动态预测研究[J];计算机科学;2011年02期

【相似文献】

相关期刊论文 前10条

1 史加荣;郑秀云;周水生;;矩阵补全算法研究进展[J];计算机科学;2014年04期

2 李聪;骆志刚;;用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型[J];自动化学报;2011年09期

3 袁运祥;基于矩阵分解的子结构法求解介绍[J];计算机应用通讯;1981年00期

4 张海建;;分布式矩阵分解算法在推荐系统中的研究与应用[J];科技通报;2013年12期

5 何朕,赵文斌,于达仁;摄动矩阵的分解[J];电机与控制学报;2004年03期

6 李华云;;F范数及矩阵分解实例研究[J];现代情报;2008年10期

7 邹理和;;系数矩阵分解二维谱估值[J];信号处理;1985年03期

8 陈伯伦;陈];邹盛荣;徐秀莲;;基于矩阵分解的二分网络社区挖掘算法[J];计算机科学;2014年02期

9 王锋;赵志文;牟盛;;整数提升小波多相矩阵分解系数的快速提取算法[J];中国图象图形学报;2012年03期

10 段华杰;;考虑时间效应的矩阵分解技术在推荐系统中的应用[J];微型电脑应用;2013年03期

相关会议论文 前2条

1 王春江;钱若军;王人鹏;杨联萍;;矩阵分解在张力集成体系模态分析中的应用[A];第九届全国结构工程学术会议论文集第Ⅰ卷[C];2000年

2 王春江;王人鹏;钱若军;王颖;;矩阵分解技术在体系性态综合分析中的初步应用[A];“力学2000”学术大会论文集[C];2000年

相关博士学位论文 前7条

1 王中卿;基于文本信息的社会关系分析与研究[D];苏州大学;2016年

2 王啸;基于生成模型和矩阵分解的社区发现算法研究[D];天津大学;2015年

3 李英明;矩阵分解在数据挖掘中的应用[D];浙江大学;2014年

4 赵科科;低秩矩阵分解的正则化方法与应用[D];浙江大学;2012年

5 郭亦鸿;利用穆勒矩阵分解定量测量各向异性介质微观结构[D];清华大学;2014年

6 胡惠轶;基于分解的系统辨识方法研究[D];江南大学;2014年

7 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年

相关硕士学位论文 前10条

1 秦晓晖;个性化微博推荐方法研究[D];华南理工大学;2015年

2 刘凤林;基于矩阵分解的协同过滤推荐算法研究[D];南京理工大学;2015年

3 李源鑫;基于提升的信任融合矩阵分解推荐算法[D];福建师范大学;2015年

4 陈洪涛;基于矩阵分解的常规与长尾捆绑推荐的博弈研究[D];福建师范大学;2015年

5 张济龙;基于概率矩阵分解的推荐算法研究[D];燕山大学;2015年

6 邓志豪;基于物品相似度和主题回归的矩阵分解推荐算法[D];浙江大学;2015年

7 余露;利用矩阵分解算法建模数据稀疏环境下用户协同行为[D];杭州师范大学;2015年

8 倪泽明;混合用户行为建模的概率矩阵分解推荐算法[D];浙江大学;2015年

9 丁浩;基于协同矩阵分解的药物靶标相互作用关系预测[D];复旦大学;2014年

10 吴世伟;社会网络中的链接分析[D];复旦大学;2014年

，

本文编号：2300669