专利交易市场

本发明公开了基于时间感知面向特征优化的服务QoS预测的深度学习方法，提出一种基于时间感知面向特征优化的深度学习服务QoS预测模型，在预测准确度方面获得了进一步的提升，在基于时间感知面向特征优化的深度学习服务QoS预测模型中，首先设计了DGRN进行时间感知，来提取基于时间感知的用户/服务特征，其次设计了GRGAN进行特征优化，利用GRGAN中的判别器对优化后的特征进行评价从而训练GRGAN中的生成器，最后利用优化后的特征对QoS值进行预测，提高预测准确度。

本发明涉及一种基于多视角的物联网服务QoS动态预测方法，包括：记录用户使用物联网服务的QoS数值，形成QoS矩阵，将QoS矩阵分解为用户潜在特征矩阵、服务潜在特征矩阵和时间潜在特征矩阵，挖掘对应特征；对情景信息建模，挖掘用户邻域的情景特征和服务邻域的情景特征；利用时序空洞卷积网络，对时间序列进行因果卷积，提取用户服务交互的时序特征；融合多视角特征预测QoS值。本发明的有益效果是：本发明通过多个视角分别挖掘特征，并进行线性和非线性的融合，实现高效的动态物联网服务QoS预测；并且，本发明考虑物联网环境下QoS的实时变化性，结合多种相似度计算方法进行预测，预测结果的精确度较高。