To assess the quality of services (

To assess the quality of services (QoS) in service selection, collaborative service QoS prediction has recently garnered increasing attention. They focus on exploring the historical QoS information generated by interactions between users and services. However, they may suffer from the data sparsity issue because interactions between users and services are usually sparse in real scenarios. They also seldom consider the network environments of users and services, which surely will affect cloud service QoS. To address the data sparsity issue and improve the QoS prediction accuracy, the following paper proposes a collaborative QoS prediction method with location-based data smoothing. The method first computes neighborhoods of users and services based on their locations which provide a basis for data smoothing. It then combines user-based and service-based collaborative filtering techniques to make QoS predictions. Experiments conducted using a real service invocation dataset validate the performance of the proposed QoS prediction method. [ABSTRACT FROM AUTHOR]

ผลลัพธ์ (ไทย) 1:

การประเมินคุณภาพของบริการ (QoS) ในการเลือกบริการ ร่วมบริการ QoS ทำนายได้เพิ่งรวบรวมความสนใจเพิ่มขึ้น พวกเขาเน้นสำรวจข้อมูล QoS ที่ประวัติศาสตร์ที่สร้าง โดยปฏิสัมพันธ์ระหว่างผู้ใช้และบริการ อย่างไรก็ตาม พวกเขาอาจประสบจากปัญหา sparsity ข้อมูลเนื่องจากปฏิสัมพันธ์ระหว่างผู้ใช้และบริการมักจะห่างในสถานการณ์จริง พวกเขายังไม่ค่อยพิจารณาสภาพแวดล้อมเครือข่ายของผู้ใช้ และบริการ ซึ่งย่อม จะส่งผลต่อ cloud บริการ QoS การแก้ปัญหา sparsity ของข้อมูล และปรับปรุงความแม่นยำทำนาย QoS กระดาษต่อไปนี้เสนอวิธีทำนาย QoS ร่วมกับการอ้างอิงตำแหน่งข้อมูลเรียบ วิธีการแรกคำนวณละแวกบ้านของผู้ใช้และบริการต่าง ๆ ตามตำแหน่งที่ตั้งที่ให้พื้นฐานสำหรับข้อมูลเรียบ มันแล้วรวมผู้ใช้ และบริการที่ใช้ร่วมกันเทคนิคกรองเพื่อคาดคะเน QoS ทดลองใช้ชุดข้อมูลเรียกบริการจริงตรวจสอบประสิทธิภาพการทำงานของ QoS คาดเดาวิธีเสนอ [บทคัดย่อจากผู้เขียน]

ผลลัพธ์ (ไทย) 2:

เพื่อประเมินคุณภาพของบริการ (QoS) ในการเลือกบริการทำนาย QoS บริการการทำงานร่วมกันเมื่อเร็ว ๆ นี้ได้รวบรวมความสนใจเพิ่มขึ้น พวกเขามุ่งเน้นในการสำรวจข้อมูล QoS ประวัติศาสตร์ที่สร้างขึ้นโดยการมีปฏิสัมพันธ์ระหว่างผู้ใช้และผู้ให้บริการ แต่พวกเขาอาจได้รับจากปัญหา sparsity ข้อมูลเพราะการมีปฏิสัมพันธ์ระหว่างผู้ใช้และผู้ให้บริการมักจะเบาบางในสถานการณ์จริง พวกเขายังไม่ค่อยพิจารณาสภาพแวดล้อมเครือข่ายของผู้ใช้และบริการซึ่งก็จะส่งผลกระทบต่อ QoS บริการคลาวด์ เพื่อแก้ไขปัญหาข้อมูล sparsity และปรับปรุงความถูกต้อง QoS ทำนายกระดาษต่อไปนี้นำเสนอการทำงานร่วมกัน QoS วิธีการทำนายที่มีสถานที่ที่ใช้ข้อมูลที่ราบเรียบ วิธีการคำนวณครั้งแรกในละแวกใกล้เคียงของผู้ใช้และบริการบนพื้นฐานสถานที่ที่ให้พื้นฐานสำหรับข้อมูลที่ราบเรียบ จากนั้นก็รวมสำหรับผู้ใช้และเทคนิคการกรองการทำงานร่วมกันที่ใช้บริการที่จะทำให้การคาดการณ์ QoS การทดลองใช้ชุดข้อมูลที่ภาวนาให้บริการจริงในการตรวจสอบประสิทธิภาพการทำงานของที่นำเสนอวิธีการ QoS ทำนาย [Abstract จากผู้เขียน]

ผลลัพธ์ (ไทย) 3:

เพื่อประเมินคุณภาพของบริการ ( QoS ) ให้เลือกบริการแบบ QOS บริการพยากรณ์ได้รับเมื่อเร็ว ๆนี้ได้รับความสนใจเพิ่มมากขึ้น พวกเขามุ่งเน้นไปที่การสำรวจคุณภาพข้อมูลทางประวัติศาสตร์ที่สร้างขึ้นโดยปฏิสัมพันธ์ระหว่างผู้ใช้และบริการ . อย่างไรก็ตาม พวกเขาอาจประสบจากข้อมูล sparsity ปัญหาเพราะการโต้ตอบระหว่างผู้ใช้และบริการมักจะกระจัดกระจายอยู่ในสถานการณ์จริง พวกเขายังมักจะไม่พิจารณาเครือข่ายของผู้ใช้และสภาพแวดล้อมต่างๆ ซึ่งย่อมจะส่งผลกระทบต่อธุรกิจบริการเมฆ ที่อยู่ sparsity ข้อมูลปัญหาและปรับปรุงการดำเนินการพยากรณ์ ความถูกต้อง ตามกระดาษที่นำเสนอร่วมกันพยากรณ์ด้วยวิธีใช้ QoS ข้อมูลเรียบ . วิธีแรกจะคำนวณย่านของผู้ใช้และบริการตามสถานที่ที่ให้พื้นฐานสำหรับข้อมูลเรียบ . มันรวมผู้ใช้บริการ จากฝ่ายเทคนิคการกรองเพื่อให้ QoS คาดคะเน การทดลองใช้จริงบริการข้อมูลการตรวจสอบประสิทธิภาพของการเสนอเพื่อการพยากรณ์โดยวิธี จากผู้เขียน [ บทคัดย่อ ]