Fugu-MT 論文翻訳(概要): Dynamic QoS Prediction via a Non-Negative Tensor Snowflake Factorization

論文の概要: Dynamic QoS Prediction via a Non-Negative Tensor Snowflake Factorization

arxiv url: http://arxiv.org/abs/2504.18588v1
Date: Thu, 24 Apr 2025 03:03:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:53.894956
Title: Dynamic QoS Prediction via a Non-Negative Tensor Snowflake Factorization
Title（参考訳）: 非負のテンソルスノーフレーク因子による動的QoS予測
Authors: YongHui Xia, Lan Wang, Hao Wu,
Abstract要約: 本研究では, テンソルモデルの非負積雪因子分解法を提案し, 観測されていないデータを予測する。 SLF-NMUT (Single Latent Factor-based non negative update on tensor) は、データ不足の予測を改善する。
参考スコア（独自算出の注目度）: 14.603788849701768
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dynamic quality of service (QoS) data exhibit rich temporal patterns in user-service interactions, which are crucial for a comprehensive understanding of user behavior and service conditions in Web service. As the number of users and services increases, there is a large amount of unobserved QoS data, which significantly affects users'choice of services. To predict unobserved QoS data, we propose a Non-negative Snowflake Factorization of tensors model. This method designs a snowflake core tensor to enhance the model's learning capability. Additionally, it employs a single latent factor-based, nonnegative multiplication update on tensor (SLF-NMUT) for parameter learning. Empirical results demonstrate that the proposed model more accurately learns dynamic user-service interaction patterns, thereby yielding improved predictions for missing QoS data.
Abstract（参考訳）: 動的サービス品質(QoS)データは、ユーザとサービス間のインタラクションにおいて、豊富な時間パターンを示します。ユーザ数やサービスの数が増えるにつれて、大量の未観測QoSデータが存在し、ユーザのサービス選択に大きな影響を与えます。観測されていないQoSデータを予測するために,テンソルモデルの非負積雪因子化を提案する。本手法は,雪片コアテンソルを設計し,モデルの学習能力を向上させる。さらに、パラメータ学習には1つの潜在因子ベースの非負の乗算更新をテンソル(SLF-NMUT)に採用している。実験の結果,提案モデルでは動的ユーザ・サービスのインタラクションパターンをより正確に学習し,QoSデータの欠落を予測できることがわかった。

関連論文リスト

Multi-Head Self-Attending Neural Tucker Factorization [5.734615417239977]
本稿では,高次元および不完全(HDI)テンソルの学習表現に適したニューラルネットワークに基づくテンソル分解手法を提案する。提案したMSNTucFモデルでは,観測結果の欠落を推定する上で,最先端のベンチマークモデルと比較して優れた性能を示す。
論文参考訳（メタデータ） (2025-01-16T13:04:15Z)
Web Service QoS Prediction via Extended Canonical Polyadic-based Tensor Network [2.2083091880368855]
Canonical Polyadic (CP)ベースのテンソルネットワークモデルは動的データの予測に効率的であることが証明されている。現在のCPベースのテンソルネットワークモデルは、低次元の潜在特徴空間におけるユーザとサービスの相関を考慮していない。本稿では,予測精度を向上させるために,拡張ポリエイドネットワーク(ECTN)モデルを提案する。
論文参考訳（メタデータ） (2024-08-29T05:56:35Z)
Federated Learning based Latent Factorization of Tensors for Privacy-Preserving QoS Prediction [3.3295360710329738]
本稿では,テンソルの潜在因数分解(FL-LFT)に基づく連合学習を創造的に設計する。データ指向のフェデレーション学習モデルを構築し、分離されたユーザがユーザのプライバシを保護しながら、グローバルなLFTモデルを協調的にトレーニングできるようにする。実世界から収集されたデータセットの実験では、FL-LFTは最先端のフェデレーション学習アプローチと比較して予測精度が著しく向上していることが確認された。
論文参考訳（メタデータ） (2024-07-29T09:30:00Z)
TPMCF: Temporal QoS Prediction using Multi-Source Collaborative Features [0.5161531917413706]
時間的予測は、時間とともに適切なサービスを特定するために不可欠である。近年の手法は, 様々な制約により, 所望の精度が得られなかった。本稿では,マルチソース協調機能を用いた時間予測のためのスケーラブルな戦略を提案する。
論文参考訳（メタデータ） (2023-03-30T06:49:53Z)
An ADMM-Incorporated Latent Factorization of Tensors Method for QoS Prediction [2.744577504320494]
Quality of Service(QoS)は、サービス消費者が要求するサービスに関して、Webサービスのパフォーマンスを動的に記述します。テンソルの潜在因子分解は高次元およびスパーステンソルの時間的パターンを発見するのに非常に効果的である。現在のLFTモデルは低い収束率に悩まされており、降圧器の影響をほとんど考慮していない。
論文参考訳（メタデータ） (2022-12-03T12:35:48Z)
ClusterQ: Semantic Feature Distribution Alignment for Data-Free Quantization [111.12063632743013]
本稿では,ClusterQと呼ばれるデータフリーな量子化手法を提案する。意味的特徴のクラス間分離性を高めるために,特徴分布統計をクラスタ化し,整列する。また、クラス内分散を組み込んで、クラスワイドモードの崩壊を解決する。
論文参考訳（メタデータ） (2022-04-30T06:58:56Z)
Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文参考訳（メタデータ） (2022-04-18T09:25:06Z)
Comparing Test Sets with Item Response Theory [53.755064720563]
我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。 Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
論文参考訳（メタデータ） (2021-06-01T22:33:53Z)
What do we expect from Multiple-choice QA Systems? [70.86513724662302]
複数のMultiple Choice Question Answering(MCQA)データセット上で,トップパフォーマンスモデルを検討する。このようなモデルから得られる可能性のある一連の期待値に対して、モデル入力のゼロ情報摂動を用いて評価する。
論文参考訳（メタデータ） (2020-11-20T21:27:10Z)
Explaining and Improving Model Behavior with k Nearest Neighbor Representations [107.24850861390196]
モデルの予測に責任のあるトレーニング例を特定するために, k 近傍表現を提案する。我々は,kNN表現が学習した素因関係を明らかにするのに有効であることを示す。以上の結果から,kNN手法により,直交モデルが逆入力に対してより堅牢であることが示唆された。
論文参考訳（メタデータ） (2020-10-18T16:55:25Z)
An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear Analysis [68.8204255655161]
人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
論文参考訳（メタデータ） (2020-07-14T15:47:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。