Incorporación de solucionadores de segundo orden eficientes en modelos de factores latentes para la predicción precisa de datos QoS faltantes

Generar predicciones altamente precisas para datos de calidad de servicio (QoS) faltantes es un problema importante. Los predictores de QoS basados en factores latentes (LF) han demostrado ser efectivos para abordar este problema. Sin embargo, se basan en solucionadores de primer orden que no pueden abordar adecuadamente su problema objetivo, que es inherentemente bilineal y no convexo, dejando así una oportunidad significativa para mejorar la precisión. Este documento propone incorporar un solucionador de segundo orden eficiente en ellos para aumentar su precisión. Para ello, adoptamos el principio de optimización sin Hessiano y evitamos con éxito la manipulación directa de una matriz Hessiana, empleando el producto eficientemente obtenible entre su aproximación de Gauss-Newton y un vector arbitrario. Así, la información de segundo orden se integra de manera innovadora en ellos. Los resultados experimentales en dos conjuntos de datos QoS industriales indican que, en comparación con los predictores del estado del arte, el nuevo propuesto alcanza una precisión de predicción significativamente mayor a costa de una carga computacional asequible. Por lo tanto, es especialmente adecuado para aplicaciones industriales que requieren alta precisión en la predicción de datos QoS desconocidos.