인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
This article explores web service recommendation algorithms for heterogeneous environments by incorporating a time dimension into datasets, transforming static data into dynamic elements. This approach improves both the accuracy of service quality predictions and the speed of service recommendations, enhancing overall efficiency. The study introduces the DBSLF algorithm, which integrates cross-platform data features while prioritizing privacy protection. By fusing user service data from diverse edge server platforms, the algorithm provides more precise recommendations through multi-platform data analysis. The algorithm’s effectiveness is validated through experiments with varying data densities, significantly reducing the mean absolute error (MAE) for missing Quality of Service (QoS) values. To address service recommendation challenges in single-platform heterogeneous environments, the concept of continuous time slices is introduced, utilizing historical data to predict missing QoS values. Additionally, a privacy-preserving, cross-platform recommendation algorithm is proposed, leveraging latent factor models, density-based clustering, and matrix decomposition techniques. This approach enhances prediction accuracy, mitigates cold start issues, and contributes to smart transportation networks by improving road congestion predictions and enhancing daily travel experiences.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094302980
