公开(公告)号：CN113949646A

公开(公告)日：2022-01-18

申请号：CN202111202729.3

申请日：2021-10-15

Applicant: 安徽大学

Inventor： 贾兆红 ,  金李 ,  唐俊

IPC: H04L41/5009 ,  H04L41/147 ,  H04L41/14 ,  H04L67/02 ,  H04L43/08

Abstract: 本发明提出了一种基于深度学习的Web服务QoS预测方法，其步骤包括：1.获取Web服务数据集；2建立结合局部和全局位置信息的深度协同过滤模型DCLG；3.利用建立好的模型实现预测，以达到预测Web服务QoS值的目的。本发明能克服现有预测模型没有同时考虑用户和服务的局部和全局位置信息的缺陷，并且通过多层感知器获取用户和服务的高维非线性特征，同时结合用户和服务向量的点乘来补充学习低维线性特征，最后在六种不同的稀疏密度下均可取得较好的预测精度。

公开(公告)号：CN113949646B

公开(公告)日：2023-06-13

申请号：CN202111202729.3

申请日：2021-10-15

Applicant: 安徽大学

Inventor： 贾兆红 ,  金李 ,  唐俊

IPC: H04L41/5009 ,  H04L41/147 ,  H04L41/14 ,  H04L67/02 ,  H04L43/08

Abstract: 本发明提出了一种基于深度学习的Web服务QoS预测方法，其步骤包括：1.获取Web服务数据集；2建立结合局部和全局位置信息的深度协同过滤模型DCLG；3.利用建立好的模型实现预测，以达到预测Web服务QoS值的目的。本发明能克服现有预测模型没有同时考虑用户和服务的局部和全局位置信息的缺陷，并且通过多层感知器获取用户和服务的高维非线性特征，同时结合用户和服务向量的点乘来补充学习低维线性特征，最后在六种不同的稀疏密度下均可取得较好的预测精度。