文件名称：论文研究-基于位置聚类和张量分解的Web服务推荐算法.pdf
文件大小：771KB
文件格式：PDF
更新时间：2022-09-27 00:43:05
论文研究
基于服务质量（QoS）的Web服务推荐能在众多功能相似的Web服务中发现最能满足用户非功能需求的Web服务，但QoS属性值预测算法仍存在预测准确度不高和数据稀疏性的问题。针对以上问题，提出了一种基于位置聚类和分层张量分解的QoS预测算法ClustTD，该算法基于用户和服务的位置属性将用户和服务聚类成多个局部组，分别对局部组和全局的用户、服务和时间上下文进行张量建模和分解，将局部和全局张量分解的QoS预测值进行加权组合，同时考虑了局部和全局因素，获得最终QoS预测值。实验结果表明，该算法具有较高的QoS预测准确率和Web服务推荐质量，并能在一定程度上解决数据稀疏性问题。