论文题目:
Outlier-Resilient Web Service QoS Prediction
问题:
由于较高的时间成本和巨大的资源开销,用户无法通过调用所有Web服务来获取相应的QoS值,因此预测未知的QoS值非常有必要。
虽然已经提出了各种QoS预测方法,但很少有方法考虑到异常值,这可能会显著降低预测性能。
解决办法:
提出了一种对异常值有弹性的QoS预测模型。
首先,利用Cauchy loss来衡量观测到的QoS值与预测到的值之间的差距,原因是Cauchy loss具有鲁棒性,使得该方法对异常值有弹性。
其次,考虑时间信息,使得QoS预测结果具有时间感知能力。
结果:
在静态和动态数据集上进行了实验,结果表明,该方法比最优秀的baseline方法有更好的性能。