抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
今日,クラウド顧客はクラウドサービスをますます利用し,需要を満足させる。通常,多数の顧客は未成熟で,専門家であり,それらのニーズを正確かつ数値的に表現できない。それらは通常,言語的および言語的用語の形でそれらのニーズを表現する。一方,経験した顧客は,それらのニーズを数値的かつ正確に表現する。この状況において,推薦システムは,すべてのタイプの顧客をサポートするための最も有用なアイデアの1つと考えることができる。しかし,現在の推薦システム(例えば,協調フィルタリングベース推薦)は,正確で数値的に表現される顧客要求に適合する。顧客の全てのタイプをサポートするために,顧客(経験および経験なし)によって表現され,適切なサービスを推薦するための強い推薦システムの構築は,極めて重要である。もう一つの重要事項として,クラウド顧客とサービスは地理的に分布している。顧客とサービスの位置を同定することは,顧客に提供されるサービスの品質に著しい影響を与える。したがって,推薦システムは,より良いサービスを提供するために,顧客とサービスの位置を考慮するべきである。本論文では,顧客の選好とその位置を考慮して適切なサービスを提供できる強力な推薦システムを構築するための効率的な方法を導入した。提案した推薦システムは2つのアルゴリズムから成る。最初のアルゴリズムは,顧客とサービスの位置をよく分類できるFCAというファジィクラスタリングアルゴリズムである。第2のアルゴリズムは,IANFRAと名付けられた反復適応ニューラルファジィアルゴリズムであり,それらの位置とともに顧客の選好を受け,FCAによってクラスタ化された位置に基づく適切なサービスと顧客の需要(経験と経験なし)を同定する。最後に,提案方法の実現可能性を,実際の分散サービス品質データセットWS-DREAMに関する広範囲な実験を通して,精度とスケーラビリティに関して検証した。評価結果は,データセットのボリュームが巨大なとき,サービスの品質とスケーラビリティの予測におけるサービス推薦精度の両方が,改善されることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】