DRSLF：面向 Web 服务 QoS 预测的双正则化二阶低秩表示模型
机器学习
2025-05-08 v1 人工智能
摘要
服务质量（QoS）数据在云服务选择中起着至关重要的作用。由于用户无法访问所有服务，QoS 可表示为一个高维且不完整（HDI）的矩阵。作为解决此问题的低秩表示技术，潜在因子分析（LFA）模型已被证明是有效的。然而，大多数 LFA 模型依赖一阶优化器并使用 L2 范数正则化，这可能导致较低的 QoS 预测精度。为解决此问题，本文提出了一种双正则化二阶潜在因子（DRSLF）模型，其包含两个核心思想：a）整合 L1 范数和 L2 范数正则化项以增强低秩表示性能；b）通过在每一步共轭梯度中计算 Hessian-向量积来引入二阶信息。在两个真实响应时间 QoS 数据集上的实验结果表明，DRSLF 比两个基线模型具有更高的低秩表示能力。
引用
@article{arxiv.2505.03822,
title = {DRSLF: Double Regularized Second-Order Low-Rank Representation for Web Service QoS Prediction},
author = {Hao Wu and Jialiang Wang},
journal= {arXiv preprint arXiv:2505.03822},
year = {2025}
}