将高效的二阶求解器融入潜在因子模型，以准确预测缺失的服务质量（QoS）数据

生成缺失的服务质量（QoS）数据的高精度预测是一个重要问题。基于潜在因子（LF）的QoS预测器在处理这一问题上被证明是有效的。然而，它们是基于一阶求解器，无法很好地解决固有的双线性和非凸目标问题，因此留有显著的提高精度的机会。本文建议将高效的二阶求解器融入其中，以提高其准确性。为此，我们采用了无海森优化的原则，成功避免了对海森矩阵的直接操作，利用其高斯-牛顿近似与任意向量之间的高效可获得的乘积。因此，二阶信息被创新性地整合进来。对两个工业QoS数据集的实验结果表明，与最先进的预测器相比，新提出的模型在可接受的计算负担下实现了显著更高的预测精度。因此，它特别适合于需要高未知QoS数据预测精度的工业应用。