RAHN：基于声誉的沙漏网络用于Web服务QoS预测
软件工程
2025-01-07 v1 机器学习
摘要
随着Web服务的同质化越来越普遍，服务推荐的难度逐渐增加。如何更高效、准确地预测服务质量（QoS）成为服务推荐的重要挑战。考虑到声誉和深度学习（DL）技术在QoS预测领域的优异作用，我们提出了一种基于声誉和深度学习的QoS预测网络RAHN，它包含声誉计算模块（RCM）、潜在特征提取模块（LFEM）和QoS预测沙漏网络（QPHN）。RCM通过聚类算法和Logit模型获取用户声誉和服务声誉。LFEM从已知信息中提取潜在特征，形成初始潜在特征向量。QPHN利用注意力机制聚合不同尺度的潜在特征向量，并可多次堆叠以获得用于预测的最终潜在特征向量。我们在真实QoS数据集上评估了RAHN。实验结果表明，RAHN的平均绝对误差（MAE）和均方根误差（RMSE）均小于六种基线方法。
引用
@article{arxiv.2501.02843,
title = {RAHN: A Reputation Based Hourglass Network for Web Service QoS Prediction},
author = {Xia Chen and Yugen Du and Guoxing Tang and Yingwei Luo and Benchi Ma},
journal= {arXiv preprint arXiv:2501.02843},
year = {2025}
}
备注
4 pages,3 figures