サイバー物理システムにおけるネットワーク位置に基づくサービス推薦とランダムウォーク

サイバー物理システム（CPS）は、学術界と産業界の両方から多くの注目を集めています。CPSにおいて、サービスの形態で提供される機能が増加しており、これにより、膨大な数の利用可能なサービスの中から適切なサービスを推薦するという緊急の課題が生じています。従来のサービス推薦では、協調フィルタリング（CF）が学術界で研究され、産業界で利用されています。しかし、CPSにおけるCFベースの手法の適用を制限するいくつかの欠点が存在します。その一つは、高データスパース性の状況下で、CFベースの手法が不正確な予測結果を生成する可能性が高いことです。本論文では、CPSにおけるユーザーやサービス間の潜在的な類似関係を掘り下げることが、予測精度を向上させるのに非常に役立つことを発見しました。さらに、従来のCFベースの手法のほとんどは、サービス呼び出し記録の利用に限定されており、ネットワーク位置などの文脈情報を無視していますが、これはCPSにおいて典型的な文脈です。本論文では、ネットワーク位置を文脈情報として利用し、ランダムウォーキングを用いた3つの予測モデルを含むCPS向けの新しいサービス推薦手法を提案します。2つの実世界データセットにおいて十分な実験を行い、提案された手法の有効性を実証し、ネットワーク位置がQoS予測において実際に有用であることを検証しました。