公开(公告)号：CN112532429B

公开(公告)日：2023-01-31

申请号：CN202011256189.2

申请日：2020-11-11

Applicant: 北京工业大学

Inventor： 刘博 ,  王名亮

IPC: H04L41/5003 ,  H04L41/147 ,  H04L41/14 ,  G06N3/0442 ,  G06N3/09

Abstract: 一种基于位置信息的多变量QoS预测方法属于服务计算领域。该方法获取历史QoS历史数据，对其缺失值处理采用协同过滤算法，在相似性计算的过程中引入用户的位置信息使得填充的缺失值更接近实际值。将填充后的数据构建为移动滑窗数据集，并将数据集分割为训练数据和测试数据后使用训练数据对多元LSTM模型进行训练，最终使用测试数据测试预测结果。本发明使用协同过滤算法填补缺失值，并使用多变量的LSTM对QoS进行预测。在填补缺失值的过程中引入了用户的位置信息，使得填补的缺失值更接近真实的QoS值。同时，相比于单个的QoS属性预测，使用多变量预测模型可以有效减少误差积累从而提高预测精度。

公开(公告)号：CN112532429A

公开(公告)日：2021-03-19

申请号：CN202011256189.2

申请日：2020-11-11

Applicant: 北京工业大学

Inventor： 刘博 ,  王名亮

IPC: H04L12/24 ,  G06N3/08 ,  G06N3/04

Abstract: 一种基于位置信息的多变量QoS预测方法属于服务计算领域。该方法获取历史QoS历史数据，对其缺失值处理采用协同过滤算法，在相似性计算的过程中引入用户的位置信息使得填充的缺失值更接近实际值。将填充后的数据构建为移动滑窗数据集，并将数据集分割为训练数据和测试数据后使用训练数据对多元LSTM模型进行训练，最终使用测试数据测试预测结果。本发明使用协同过滤算法填补缺失值，并使用多变量的LSTM对QoS进行预测。在填补缺失值的过程中引入了用户的位置信息，使得填补的缺失值更接近真实的QoS值。同时，相比于单个的QoS属性预测，使用多变量预测模型可以有效减少误差积累从而提高预测精度。