论文阅读笔记3

最新推荐文章于 2024-07-30 19:35:49 发布

weixin_36919892

最新推荐文章于 2024-07-30 19:35:49 发布

阅读量1k

点赞数

分类专栏：服务组合文章标签：阅读 web service

本文链接：https://blog.csdn.net/weixin_36919892/article/details/78666289

版权

本文详细介绍了You Ma在2015年ICWS会议上发表的论文，探讨如何通过多维度QoS数据进行预测和推荐。作者提出使用张量表示高维QoS数据并进行分解，以提高预测准确性。实验结果表明，该方法在wsdream和出租车数据集上的表现优于传统方法，为服务推荐和QoS预测提供了新视角。然而，对于大规模张量运算的效率问题，论文未作深入讨论。

摘要由CSDN通过智能技术生成

文献名称：Predicting QoS Values via Multi-dimensional QoS Data for Web Service Recommendations
作者信息：You Ma，这个作者属于跨领域发的论文比较多，各种会议都有发文章，比较杂。
发表日期：2015,6
发表期刊/会议：ICWS会议，是IEEE服务计算委员会发起的世界上服务计算领域规模最大、水平最高好的系列国际学术会议，后来扩展到云计算和大数据等领域。其中，ICWS和SCC是目前服务计算邻域的顶级国际学术会议。
被引量：6

主要内容：这篇文章主要讲了如何利用多个维度的QoS数据进行预测和推荐。由于服务质量受一系列的因素的影响，包括响应时间、吞吐量、目标用户的位置等，因此只用一个维度的数据来进行预测是不够准确的，作者提出将多个维度的数据综合起来考虑，并引入张量的概念，通过张量分解的方法和张量优化重建的方法进行预测。为了证明方法的有效性，本文采取了两个数据集，一个是WSdream传统数据集，另一个是已有的出租车的数据集。通过实验，我们的方法比传统方法有很大的提升。
首先作者介绍了什么是高维的服务质量数据，如图1所示，展示了一个五维的QoS数据，横坐标是QoS属性，纵坐标是位置信息，每个grid是一个三阶的张量，包括服务id、用户id和时间序列。这样一个维度的QoS数据要如何表示呢？作者采用的高阶张量的方法表示。