An Integrated-Model QoS-Based Graph for Web Service Recommendation
Notice bibliographique
Résumé
Web services (WS) are integrated software components that facilitate interoperable machine-to-machine interaction over a network. In the era of Web 2.0, companies worldwide are actively deploying Web services within their business environments. As a result, designing effective Web service recommendation mechanisms based on Quality of Service (QoS) is attracting more attention. However, traditional Neighborhood-based Collaborative Filtering (CF) models fail to capture the actual relationships between users or services due to data sparsity. On the other hand, Random Walk (RW) algorithm, which has been categorized as a sparsity-tolerant recommendation approach, suffers from poor performance in terms of recommendation accuracy. In this paper, we aim at designing a recommendation model that achieves high recommendation accuracy over the transitional RW based model. First, we propose an Integrated-Model QoS-based Graph (IMQG), in which users and services represent the nodes while weighted QoS magnitudes and User/Service similarity measurements serve as the edges. We use Jaccard coefficient in several variants to separately compute similarities of both Users and Services. Then, Top-k Random Walk algorithm is applied to generate final recommendation list to active users. Finally, to demonstrate the effectiveness of our model, comprehensive experiments are conducted on a real-world QoS dataset. Analysis of the results shows high improvement in recommendation accuracy with more tolerance to data sparsity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».