基于模糊信息熵和区域偏置的网页服务 QoS 预测矩阵分解方法
机器学习
2025-01-13 v2
摘要
如今，互联网上有许多相似的服务，使质量服务（Quality of Service，简称 QoS）成为用户的关键关注点。由于通过用户调用收集所有服务的 QoS 值是不可行的，因此预测 QoS 值是一个更可行的 approach。矩阵分解被认为是一种有效的预测方法。然而，大多数现有矩阵分解算法 focuses on capturing users 和 services 之间的全局相似性，忽略了 users 及其相似邻居之间的局部相似性，以及 users 和 services 之间的非互动效应。本文提出了一种基于用户信息熵和区域偏置的矩阵分解方法，该方法利用基于模糊信息熵的相似性度量方法来识别 users 的相似邻居。同时，将区域偏置线性集成到矩阵分解中，以捕捉 users 和 services 之间的非互动特征。该方法在更真实和复杂的网络环境中显示出 improved 的预测性能。此外， conducted 大量实验于真实世界的 QoS 数据集。实验结果表明，在矩阵密度 ranging 从 5% 到 20% 的范围内，该方法优于该领域一些最先进的方法。
引用
@article{arxiv.2501.04063,
title = {Fuzzy Information Entropy and Region Biased Matrix Factorization for Web Service QoS Prediction},
author = {Guoxing Tang and Yugen Du and Xia Chen and Yingwei Luo and Benchi Ma},
journal= {arXiv preprint arXiv:2501.04063},
year = {2025}
}