MétaCan
Menu
Retour à la cohorte
Enregistrement W3200339810 · doi:10.21742/ijsbt.2019.7.1.01

Research on Cloud Service Provider Recommendation Model based on User Preference

2019· article· en· W3200339810 sur OpenAlexaff
Tanya Street, Jugal Simelane

Notice bibliographique

RevueInternational Journal of Smart Business and Technology · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCloud computingService providerComputer scienceService level objectiveService (business)Service delivery frameworkService designWorld Wide WebBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

Based on the rise and wide application of cloud services, this paper proposes and implements a cloud service provider recommendation model based on user needs and preferences.The model consists of three parts.First, based on the needs of users, determine the subjective dimensions of users' demand for cloud services, and realize the measurement of user preferences.Secondly, according to the service capability of the cloud service provider, the ability of the cloud service provider to meet the needs of users is measured.From the perspective of cloud service providers, after determining the indicators that can reflect the service capabilities of cloud service providers, innovatively establish a bridge between service capabilities and user needs.Realize the evaluation of cloud service providers from the perspective of demand realization, that is, to measure their demand satisfaction ability.Finally, according to the recommendation rules in this article, the similarity distance between the user and the candidate cloud service provider based on requirements is compared, and the cloud service provider that matches the user's corresponding needs and preferences is recommended to the user, and personalized decision-making recommendation for the cloud service provider is realized.The recommendation system proposed and implemented in this paper is no longer limited to the evaluation of cloud service providers, but in the recommendation process, it combines the needs and preferences of cloud service users and specific cloud service field characteristics and other information and combines fuzzy evaluation methods.And similar distance and other theories, to give users more satisfactory recommendations, and make personalized recommendations for users.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,321
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Smart Business and TechnologyMême sujetIoT and Edge/Fog ComputingTravaux en français237 207