通过学习基于邻域的模型对云服务进行个性化QoS预测

本文利用协作智能，提出了一种基于邻域的云服务QoS预测方法。 与启发式协作过滤和矩阵分解不同，我们设置了一个基于邻域的正式预测框架，该框架可提供有效的全局优化方案，然后利用不同的基线估计组件来提高预测性能。 为了验证我们的方法，使用了大规模的特定于QoS的数据集，该数据集由来自世界范围的分布式网络上5,825个Web服务上的339个服务用户的调用记录组成。 实验结果表明，所学习的基于邻域的模型可以克服启发式协作过滤方法存在的困难，并且比最新的预测方法具有更高的性能。