准确了解用户对视频热度的选择（PP）的差异性对丰富的用户画像，提高个性化服务精确度和优化产品提供方收益等方面大有替代益。目前只有少量的统计学方面的研究，在数据稀疏或者大规模启动的情况下不确定性的正确性。基于大规模商业在线视频流媒体系统的用户观影数据，此处对用户的视频热度替换进行了多角度刻画分析，着重提出了两个基于协同过滤（CF ）的算法来预测用户对视频热度的替代。具体贡献如下：1）通过空模型假设对比实验，发现并非所有用户都偏好热度高的视频；大多数用户有较广泛的优选范围，但用户之间2）设计了基于最近邻居的（NNI）和基于矩阵分解的（MFI）用户热度首选预测模型。实验证明，当数据稀疏度低于48％的时候，用NNI或MFI算法初始化所得的用户热度替代比传统方法统计所得的结果更准确。越稀疏的情况下，这种优势越明显。此工作对视频系统中推荐服务设计和用户体验优化具有参考意义。
2021-03-02 10:05:19
224KB
1
为反映Web服务组合过程中服务类之间的关联性和客户对服务非功能属性的偏好,以及服务调用过程中不同服务质量(QoS)属性之间的内在关系,提出基于QoS关联的Web服务组合决策算法。在评价服务组合优劣程度的过程中,考虑服务类在QoS属性上的关联关系,对QoS数据进行统一规格化和综合评估。实验证明,该算法拥有较好的执行效率和稳定性,并且选择结果较优。
2021-02-23 14:04:02
400KB
1