BriefGPT - AI 论文速递
·
面向目标的在线图协作学习用于时间QoS预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为ARRQP的实时QoS预测框架，通过改进对数据异常的鲁棒性，利用图卷积技术捕捉用户和服务之间的关系和依赖，有效减少异常值的影响。同时，引入了稀疏鲁棒的灰羊检测方法，并通过强调情境特征解决冷启动问题。实验结果表明该框架能够准确及时地进行QoS预测。
🎯
关键要点
- 在现代服务体系中，保证服务质量(QoS)至关重要。
- 本文介绍了一种名为ARRQP的实时QoS预测框架。
- ARRQP重点改进了对数据异常的鲁棒性。
- 该框架利用图卷积技术捕捉用户和服务之间的复杂关系和依赖。
- ARRQP通过健壮的损失函数有效减少了异常值的影响。
- 引入了稀疏鲁棒的灰羊检测方法，对QoS预测进行了单独处理。
- 通过强调情境特征解决冷启动问题。
- 实验结果表明ARRQP能够准确及时地进行QoS预测。
➡️
