基于邻域的协同过滤的服务质量预测

基于服务质量（QoS）的服务选择是面向服务计算中的一个重要问题。以往研究的一个常见前提是目标用户的服务QoS值被认为都是已知的。然而，实际上很多QoS值都是未知的。本文提出了一种基于邻域的协同过滤方法来预测这种QoS选择中的未知值。与现有方法相比，所提出的方法具有三个新特征：1）基于调整余弦的相似度计算，消除不同QoS尺度的影响；2）数据平滑处理以提高预测准确性；3）相似性融合方法以解决数据稀疏问题。此外，还提出了一种两阶段邻居选择策略，以提高其可扩展性。基于公共数据集的广泛性能研究证明了其有效性。