【QoS预测】用于QoS预测的基于多源特征学习的联合深度网络

论文题目:

Xia Y, Ding D, Chang Z, et al. Joint deep networks based multi-source feature learning for QoS Prediction[J]. IEEE Transactions on Services Computing, 2021, 15(4): 2314-2327.

问题:

云环境的多样性和动态性给服务推荐中的QoS预测带来了诸多挑战。其中一个挑战是如何从多源信息中提取和学习用户/服务的深度特征,以提高预测精度。

解决办法:

本文提出了一种新的基于多源特征学习的联合深度网络(Joint Deep Networks based Multi-source Feature Learning)来进行QoS预测。

网络有两个部分:多源特征提取和特征交互学习。

在第一部分中,首先,提出了一种潜在因素嵌入方法,用来从QoS矩阵中捕获隐式特征,然后,基于矩阵分解和神经网络的组合,提取多源特性+来自Web服务描述语言文档、上下文数据以及隐式特征的显式特征。

在第二部分中,建立了基于CNN(卷积神经网络)的联合深度网络,以学习局部和全局的高阶特征的交互,并完成基于混合特征的最终QoS预测。

结果:

实验结果表明,网络不仅可以提取和集成各种多源数据的隐式和显式特征,还可以学习特征序列和特征交互,从而提高稀疏数据QoS预测的精度。

细节:

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值