会议专题

基于QoS反向预测的服务推荐

  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QoS的服务推荐,旨在从这些等功能服务中挑选出满足用户QoS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QoS缺失的问题,因此,本文基于协同过滤的思想,提出一种QoS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.

协同过滤 反向预测 反馈

冯怡鹏 殷冰涛 陈亮 吴健

浙江大学计算机学院 杭州 310027

国内会议

2012年第三届中国计算机学会服务计算学术会议

西安

中文

1-15

2012-08-16(万方平台首次上网日期,不代表论文的发表时间)