专利交易市场

本发明涉及一种面向服务质量预测的网络数据空间设计与应用方法，该方法由潜在网络空间学习和QoS预测两部分组成。第一部分旨在学习三个潜在网络空间(即用户潜在网络空间、服务潜在网络空间和交互潜在网络空间)。第二部分首先对三个潜在网络空间中的每个特征进行采样，然后通过三个不同的卷积网络融合不同的特征，实现QoS预测。该方法通过这两个创新组件，LNSL为不同位置的每个用户和业务生成潜在的网络空间，实现高精度的QoS预测。

本发明公开了基于三维张量高阶特征交互的云API服务质量预测方法，属于服务质量预测领域，所述预测方法包括以下步骤：步骤1，获取云API服务质量数据集；步骤2，设计异常点检测模块，检测筛除云API服务质量数据集离群点；步骤3，设计空间位置信息优化模块，充分提取经纬坐标产生的信息；步骤4，构建可自适应的三维张量网络模型，将处理后的用户特征和云API特征输入三维张量网络模型中，得到高阶特征交互后产生的新特征信息；步骤5，将新特征信息输入深度神经网络层中充分学习，最后通过全连接层得到云API服务质量预测值。本发明设计的方法在多种数据密度场景下都具有更精确的预测效果和较高的鲁棒性。