面向个性化服务推荐的QoS动态预测模型_彭飞_邓浩江_刘磊.pdfVIP

2013 年 8 月                   西安电子科技大学学报（自然科学版）                      Aug.2013  第 40 卷 第 4 期                  JOURNAL  OF  XIDIAN   UNIVERSITY                     Vol.40   No.4 doi：10.3969/j.issn.1001-2400.2013.04.029 面向个性化服务推荐的QoS 动态预测模型 1,2 2 2 彭 飞 ，邓浩江 ，刘 磊 (1. 中国科学院大学，北京 100049; 2. 中国科学院 声学研究所 国家网络新媒体工程技术研究中心，北京 100190） 摘要：针对个性化服务推荐领域现有服务质量（QoS）预测技术精准度不足的问题，提出一种优化的 QoS 动态预 测模型。通过引入基线模型，将 QoS 预测问题由整体值预测转化为偏差值预测,并结合矩阵分解技术建立了基线矩 阵分解（BMF）模型。通过对客户端和服务端的时间效应进行分析，设计了表示时间效应的矩阵分解模型，与 BMF 模型结合形成了动态基线矩阵分解（TBMF）模型。实验结果表明，与现有 QoS 动态预测模型相比，BMF 模型大 幅度提升了 QoS 预测精准度，而 TBMF 模型又在此基础上有进一步的提高。 关键词：服务推荐；服务质量；精准度；基线模型；矩阵分解模型 中图分类号：TP393 文献标识码：A 文章编号：1001-2400(2013)04-0207-07 QoS-aware temporal prediction model for personalized service recommendation 1,2 2 2 PENG Fei , DENG Haojiang , LIU Lei (1. University of Chinese Academy of Sciences, Beijing 100049, China; 2. National Network New Media Engineering Research Center, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China) Abstract: An optimized temporal prediction model for quality of service (QoS) is proposed to improve the prediction accuracy of personalized service recommendation. A baseline model is proposed to transform the prediction task from overall value prediction to bias value prediction, and combined with the matrix factorization technique to build the baseline matrix factorization (BMF) model. Matrix factorization models are designed to denote the time effect of both client and server sides, and then integrated with the BMF