DỰ ĐOÁN CHẤT LƯỢNG DỊCH VỤ WEB SỬ DỤNG MÔ HÌNH DỊCH VỤ DỰA TRÊN AUTOENCODER
Tóm tắt: 16
| 
PDF: 13 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Web service
Auto encoder
QoS prediction
Deep Learning
back-propagation
Tóm tắt
Song song với sự phát triển nhanh chóng của số lượng các nhà cung cấp dịch vụ và người sử dụng dịch vụ, đã tồn tại một số vấn đề cấp bách cần được giải quyết như sau nhiều nhà cung cấp dịch vụ có chức năng tương tự nhưng khác nhau về chất lượng, phải đối mặt với những thách thức của các tập dữ liệu ngày càng lớn và sẽ có nhiều giá trị lỗi QoS trong các bộ dữ liệu. Do đó, dự đoán các giá trị lỗi QoS trong các tập dữ liệu lớn càng trở nên quan trọng hơn. Trong bài báo này, chúng tôi trình bày một mô hình mới, nó được gọi là dịch vụ dựa trên AutoenCoder (S-Auco). Mô hình này được xây dựng dựa trên mô hình AutoenCoder và thuật toán lan truyền ngược được sử dụng để huấn luyện mô hình để dự đoán các giá trị lỗi QoS trong các tập dự liệu lớn. Các kết quả thực nghiệm đã chứng minh rằng mô hình đề xuất có hiệu suất tốt hơn so với các mô hình khác.
Tài liệu tham khảo
-
[1] W. HongBing, Q. Wu, X. Chen and Q. Yu, Integrating Gaussian Process with Reinforcement Learning for Adaptive Service Compossition, Service-Oriented Computing, Springer, 2015.
[2] Z. Zheng, H. Ma, M. R. Lyu, and I. King, Wsrec: A collaborative filtering based web service recommender system, in Proc. 7th Int’l Conf. Web Services (ICWS’09),2009, pp. 437–444.
[3] J. E. Hadad, M. Manouvrier, and M. Rukoz, Tqos: Transactional and qos-aware selection algorithm for automatic web service composition, IEEE Trans. Services Computing, vol. 3, no. 1, pp. 73–85, 2010.
[4] P. Wang, Qos-aware web services selection with intuitionistic fuzzy set under consumer’s vague perception, Expert Systems with Applications, vol. 36, no. 3, pp. 4460–4466, 2009.
[5] L. Deng. An overview of deep-structured learning for information processing. In: Proceedings of Asian-Pacific Signal and Information Processing–Annual Summit and Conference , 2011.
[6] R. Salakhutdinov, A. Mnih, G. Hinton. Restricted boltzmann machines for collaborative filtering. In: Proceedings of the 24th International Conference on Machine Learning, pp. 791–798. ACM (2007).
[7] T. T. Truyen, Q. D. Phung, S. Venkatesh. Ordinal boltzmann machines for collaborative filtering. In: Proceedings of the 25th Conference on Uncertainty in Artificial Intelligence, pp. 548–556. AUAI Press (2009).
[8] A. Oord, S. Dieleman, B. Schrauwen. Deep content-based music recommendation. In: Advances in Neural Information Processing Systems, pp. 2643–2651, 2013.
[9] A. Gunawardana, C. Meek. Tied boltzmann machines for cold start recommendations. In: Proceedings of the ACM Conference on Recommender Systems, pp. 19–26, 2008.
[10] Y. Ouyang, W. Liu, W. Rong, Z. Xiong. Autoencoder-Based Collaborative Filtering, Neural Information Processing, Springer Link, 2014.
[11] Y. Bengio. Learning Deep Architectures for AI, Foundations and Trends in Machine Learning 2, 2009.
[12] J. S. Breese, D. Heckerman, C. Kadie. Empirical analysis of predictive algorithms for collaborative filtering. In: Proceedings of the 14th annual conference on uncertainty in artificial intelligence. Morgan Kaufmann Publishers, San Francisco, pp 43–52, 1998.
[13] B. Sarwar, G. Karypis, J. Konstan, J. Riedl. Item-based collaborative filtering recommendation algorithms. In proceedings of the 10th international conference on World Wide Web. ACM Press, New York, pp 285–295, 2001.
[14] Z Zheng, Z Yilei and M. R. Lyu. Distributed qos evaluation for real-world web services. IEEE International Conference on Web Services., pp 83-90, 2010.
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
Dec 31, 2016
Download
Cách trích dẫn
Le Van Thinh, Nguyen Xuan Hau. “DỰ ĐOÁN CHẤT LƯỢNG DỊCH VỤ WEB SỬ DỤNG MÔ HÌNH DỊCH VỤ DỰA TRÊN AUTOENCODER”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 12, số p.h 109, Tháng Chạp 2016, tr 20-23, https://jst-ud.vn/jst-ud/article/view/2299.
