论文研究 基于贝叶斯张量分解的改进QoS预测.pdf

随着Web服务相关标准和技术的日趋成熟，基于服务质量（QoS）的Web服务推荐对用户体验起着决定性作用。如何准确预测Qos值是当今的研究热点。以往基于近邻或模型的协同过滤算法，采用的是“用户-服务”二维信息，预测的QoS值是静态的且精准性不高。将时间信息维度引入张量模型，建立“用户-服务-时间”的三维张量可使QoS预测值更加符合用户需求特点，用贝叶斯方法求解张量分解，引入概率意义下对于系统的解释和分析，提供一套先验概率引入先验知识的贝叶斯推断框架，提高了QoS预测的精确度。实验表明，使用该算法的预测结果较其他算法相比较有更小的平均绝对误差，很好地解决了数据稀疏度问题。