基于协同过滤和Slope One算法的Web服务可靠性预测

计算机工程与科学

基于协同过滤和Slope One算法的Web服务可靠性预测

王磊，瞿佳明

（南京林业大学经济管理学院，江苏南京 210037）

收稿日期:2018-01-11 修回日期:2018-04-10 出版日期:2018-08-25 发布日期:2018-08-25
基金资助:
国家自然科学基金(61672152,71373125)；南京林业大学青年科技创新基金(CX2016031)；江苏省高校哲学社会科学基金(2016SJB630009)；南京林业大学大学生创新训练计划（2016NFUSPITP083）

Web service reliability prediction via

collaborative filtering and Slope One algorithm

WANG Lei,QU Jiaming

(School of Economics and Management,Nanjing Forestry University,Nanjing 210037,China)

Received:2018-01-11 Revised:2018-04-10 Online:2018-08-25 Published:2018-08-25

摘要/Abstract

摘要：

针对Web服务的可靠性预测已成为服务计算领域的研究热点。为提高已有的针对Web服务可靠性预测方法的性能，提出两种方法。首先，针对基于协同过滤的Web服务可靠性预测方法，对用户的相似性、服务相似性以及预测值的计算方法都进行了适当的改进；其次，将k-means聚类算法与Slope One算法进行集成，进而用于开展Web服务可靠性预测。实验结果表明，相较已有方法，本文所提出的方法具有更高的预测精度。

关键词: 协同过滤, Slope One算法, Web服务, 可靠性预测

Abstract:

Web service reliability prediction has become a research hotspot in the field of service computing. To enhance the performance of the existing Web service reliability prediction methods, two prediction methods are proposed. Firstly, for the Web services reliability prediction method based on collaborative filtering, we improve the calculation of users similarity, services similarity, and prediction values. Secondly, we integrate kmeans clustering algorithm and Slope One algorithm to do Web service reliability prediction. Experimental results show that the proposed method has higher prediction accuracy than the existing methods.

Key words: collaborative filtering, Slope One algorithm, Web service, reliability prediction

王磊，瞿佳明. 基于协同过滤和Slope One算法的Web服务可靠性预测[J]. 计算机工程与科学.

WANG Lei,QU Jiaming.

Web service reliability prediction via

collaborative filtering and Slope One algorithm

[J]. Computer Engineering & Science.

[1]	吴斯琦, 赵清华, 于雨晨. 基于元学习的图神经网络冷启动推荐[J]. 计算机工程与科学, 2024, 46(9): 1675-1684.
[2]	李清风, 金柳, 马慧芳, 张若一. 双视图对比学习引导的多行为推荐方法[J]. 计算机工程与科学, 2024, 46(4): 707-715.
[3]	阎红灿, 王子茹, 李伟芳, 谷建涛. 伴随时间的模糊聚类协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(11): 2084-2090.
[4]	陈海龙, 闫五岳, 孙海娇, 程苗. 标签扩展的协同过滤推荐算法[J]. 计算机工程与科学, 2021, 43(10): 1826-1832.
[5]	张瑞典，钱晓东. 用余弦相似度修正评分的协同过滤推荐算法[J]. 计算机工程与科学, 2020, 42(6): 1096-1105.
[6]	袁泉1,2,3,成振华1,2,江洋1,2. 基于知识图谱和协同过滤的电影推荐算法研究[J]. 计算机工程与科学, 2020, 42(4): 714-721.
[7]	宋月亭, 吴晟. 基于相似度优化和流形学习的协同过滤算法改进研究[J]. 计算机工程与科学, 2020, 42(2): 351-357.
[8]	刘辉, ., 曾斌, 刘子恺. 融合邻居选择策略和信任关系的兴趣点推荐[J]. 计算机工程与科学, 2020, 42(2): 365-372.
[9]	刘婷1,2,杨秋翔1. 基于混沌机制与Levy变异烟花算法的服务组合优化[J]. 计算机工程与科学, 2019, 41(9): 1618-1626.
[10]	吴浩1，王晓晨1，曾诚1,2，何鹏1,2. 基于异质用户网络嵌入的服务推荐方法研究[J]. 计算机工程与科学, 2019, 41(7): 1244-1250.
[11]	何娟娟1,刘冬梅1,朱鸿2,杜益宁1,周子健1,郑小宇1. 面向Web服务测试的单线执行序列生成方法[J]. 计算机工程与科学, 2019, 41(6): 1034-1043.
[12]	李艳娟，牛梦婷，李林辉. 基于蜂群K-means聚类模型的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(6): 1101-1109.
[13]	龚文聪1，袁景凌1,2，陈旻骋1，向尧1,赵子康1. 基于用户体验延迟的QoE层次评估模型[J]. 计算机工程与科学, 2019, 41(3): 479-484.
[14]	刘辉1,2,3，万程峰1,2，吴晓浩1,2. 基于增量协同过滤和潜在语义分析的混合推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2033-2039.
[15]	黄乐乐1，马慧芳1,2，李宁3，余丽1. 基于二分图划分联合聚类的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2040-2047.