论文题目:
Wu H, Zhang Z, Luo J, et al. Multiple attributes QoS prediction via deep neural model with contexts[J]. IEEE Transactions on Services Computing, 2018, 14(4): 1084-1096.
问题:
近年来,人们通过从推荐系统中吸收经验,提出了各种协同QoS预测方法,用来高效地进行服务质量(QoS)预测。
然而,在这一方向上仍然存在一些具有挑战性的问题,如如何有效地利用复杂的上下文来提高预测精度,以及如何实现多个属性的协同QoS预测。
解决办法:
本文提出了一个通用的深度神经模型(DNM),用于在上下文下进行多属性QoS预测。
在该模型中,上下文特征被映射到一个共享的潜在空间中,以在嵌入层中在语义上描述它们。
通过交互层和感知层捕获具有高阶交互的上下文特征。
多任务预测是通过在共享的神经层上叠加特定于任务的感知层来实现的。
有了这些功能,DNM提供了一个强大的框架来与各种上下文特征集成,以实现多属性的QoS预测。
结果:
实验结果表明,与现有的平均绝对误差(MAE)协同预测技术相比,DNM具有更好的预测精度。
此外,DNM模型在利用异构上下文特征方面具有良好的鲁棒性和可扩展性。
细节: