典型文献
基于位置与信誉感知深度神经网络的云服务质量预测
文献摘要：
随着众多具有相似功能的云服务的出现,为用户选择最适合的服务的难度也越来越大.协同过滤是处理这一问题的常用方法,但是它面临着数据稀疏性和可信度这两个普遍的问题,这大大降低了其预测准确性.为了正确和系统地解决这个问题,提出了一种基于位置与信誉感知深度神经网络的云服务质量预测方法.首先,结合地理位置信息采用K-means聚类过滤不可信用户;其次,在可信用户和服务之间构建一个深度神经网络模型,采用信誉感知网络嵌入来学习用户的潜在表示,并通过全连接层输出用户特征向量和服务特征向量;最后,通过矩阵点乘求和对两者进行融合,输出预测值.在公共数据集WSDream上进行实验的结果表明,与给出的其他方法相比,所提方法在预测准确率上有明显提高.
文献关键词：
信誉感知;深度神经网络;K-means聚类;服务质量预测
中图分类号：
作者姓名：
朵琳;张园园;韦贵香
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明 650504
文献出处：
引用格式：
[1]朵琳;张园园;韦贵香-.基于位置与信誉感知深度神经网络的云服务质量预测)[J].通信技术,2022(10):1314-1322
A类：
信誉感知,不可信用户,WSDream
B类：
云服务,服务质量预测,多具,用户选择,协同过滤,常用方法,数据稀疏性,可信度,大大降低,预测准确性,地理位置信息,means,深度神经网络模型,感知网络,网络嵌入,习用,全连接层,用户特征,特征向量,服务特征,输出预测,公共数据,其他方法,预测准确率
AB值：
0.281023
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
