基于位置聚类和张量分解的Web服务推荐算法

作     者：唐妮 熊庆宇 王喜宾 高旻 文俊浩 曾骏 TANG Ni;XIONG Qingyu;WANG Xibin;GAO Min;WEN Junhao;ZENG Jun

作者机构：信息物理社会可信服务计算教育部重点实验室(重庆大学)重庆400030 重庆大学软件学院重庆401331 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2016年第52卷第15期

页      面：65-72页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

基　　金：国家自然科学基金(No.61379158) 国家自然科学基金青年项目(No.61502062) 重庆市科技计划项目(No.cstc2014jcyj A40054) 

主　　题：Web 服务推荐 服务质量(QoS)属性 聚类 张量分解 

摘      要：基于服务质量(Qo S)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Qo S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Qo S预测算法Clust TD,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Qo S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Qo S预测值。实验结果表明,该算法具有较高的Qo S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。