一种基于聚类的服务QoS值协同过滤预测方法

现有的服务QoS(quality of service,服务质量)值预测方法通常是基于近邻的协同过滤,其中的近邻个数K对于所有用户/服务都是固定的。如果K值太小则损失一部分相似信息,而如果K值太大则会将不相似信息考虑在内,这两种情况都会降低预测精度。文章提出一种基于聚类的服务QoS预测方法CQoSP(cluster-based QoS prediction),以一种自然的方式确定相似用户/服务的个数。CQoSP首先基于历史QoS记录对用户/服务空间进行聚类,然后基于与目标用户/服务同一类簇的用户/服务QoS数据预测缺失QoS值。真实数据集上的实验结果验证了CQoSP有效提高了服务QoS预测的准备度,与经典方法比较,CQoSP预测结果的平均绝对误差和均方根误差都是最小的。