基于随机森林与用户兴趣概念格的Web服务质量预测

摘要

针对Web服务质量预测精度受数据稀疏与噪声数据的影响问题,提出了一种基于随机森林与用户兴趣概念格的Web服务质量预测方法。首先利用历史数据的均值、方差以及用户与服务的经纬度特征构建随机森林分类模型;其次基于同一分类结果构造用户兴趣概念格划分相似邻居,并采用一种改进的相似度计算方法分别计算直接相似邻居和间接相似邻居的相似度;最后采用改进的协同过滤算法进行服务质量预测。在真实的数据集上进行实验,实验证明该方法有效缓解了噪声数据对预测结果的影响,并在较高的数据稀疏度下具有更好的预测准确度。