主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张以文,项涛,郭星,贾兆红,何强.基于SOM神经网络的服务质量预测.软件学报,2018,29(11):3388-3399
基于SOM神经网络的服务质量预测
Quality Prediction for Services Based on SOM Neural Network
投稿时间:2017-07-14  修订日期:2017-09-16
DOI:10.13328/j.cnki.jos.005474
中文关键词:  质量预测  SOM  神经网络  K-means
英文关键词:quality prediction  SOM  neural network  K-means
基金项目:国家科技支撑计划(2015BAK24B01);国家自然科学基金(71601001,61872002);安徽省自然科学基金(1808085MF197)
作者单位E-mail
张以文 计算智能与信号处理教育部重点实验室(安徽大学), 安徽 合肥 230039
安徽大学 计算机科学与技术学院, 安徽 合肥 230039 
zhangyiwen@ahu.edu.cn 
项涛 安徽大学 计算机科学与技术学院, 安徽 合肥 230039  
郭星 安徽大学 计算机科学与技术学院, 安徽 合肥 230039  
贾兆红 计算智能与信号处理教育部重点实验室(安徽大学), 安徽 合肥 230039
安徽大学 计算机科学与技术学院, 安徽 合肥 230039 
 
何强 School of Information Technology, Swinburne University of Technology, Melbourne VIC3122, Australia  
摘要点击次数: 2498
全文下载次数: 1559
中文摘要:
      服务质量预测在服务计算领域中是一个热点研究问题.在历史QoS数据稀疏的情况下,设计一个满足用户个性化需求的服务质量预测方法成为一项挑战.为了解决这一挑战问题,提出一种基于SOM神经网络的服务质量预测方法SOMQP.首先,基于历史QoS数据,应用SOM神经网络算法分别对用户和服务进行聚类,得到用户关系矩阵和服务关系矩阵;进而,综合考虑用户信誉和服务关联性,采用一种新的Top-k选择机制获得相似用户和相似服务;最后,采用基于用户和基于项目的混合策略对缺失的QoS值进行预测.在真实的数据集WS-Dream上进行了大量实验,结果表明,与经典的CF算法和K-means算法相比,该方法在较大程度上提高了QoS的预测精度.
英文摘要:
      Quality prediction for services is a hot research topic for service recommendation and composition. It's a challenge to design an accurate quality prediction approach to meet the user's personalized needs due to the sparsity of QoS historical data. In order to solve the challenging problem, this paper proposes a SOM neural network based service quality prediction approach (SOMQP). First, based on historical QoS data, the new approach clusters on users and services respectively by applying SOM neural network algorithm, and then a new top-k selection mechanism is adopted to obtain similar users and similar services based on the comprehensive consideration of user reputation and service relevance. Finally, a hybrid user-based and item-based strategy is used to predict the missing QoS value. A set of comprehensive experiments are conducted on the real Web service dataset WS-Dream, the results indicate that compared with the classical CF and K-means methods, the presented approach achieves higher QoS prediction accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利