论文阅读笔记1

作者信息：XinYu Wang, Jiangke Zhu, Zibin Zheng, 分别是浙江大学和中山大学，Zibin Zheng的主要研究方向就是web service recommendation。他已经是IEEE transaction on computer service的审稿人，并且在ICWS等A类会议、IEEE Transaction on web service期刊以一作身份发表了20多篇学术论文，每篇文章的索引量都超过100。

发表日期：2016,1

发表期刊/会议：ACM transaction on web（SCI期刊，录取率低）。

主要内容：web服务的质量会随着时间、网络状态和网络环境的改变而变，传统服务质量都是基于历史的QoS信息来预测用户-服务矩阵中的缺失值，而作者提出了一种新的时空模型来预测QoS，把服务质量预测问题转换成为了一个拉索回归的问题。为了有效选择最近的邻居，论文根据web服务的地理位置来减少搜索范围来提高预测的准确率。实验结果表示该方法比传统的方法提升率10%的准确率。

预测模型如图1的方式：



图 1 基于时空的QoS预测模型

阅读心得： 作者突出的拉索回归的方式是一种很普通的思路，就是利用lasso回归构造一个预测QoS模型，然后通过做大量的实验来分析和解释这个模型的优点和缺点，事实上，在我们上的高等数学和机器学习的课程中这些是书本上的知识，只是没有人想到用这个写论文然后发表出来。作者思路并不新颖，只是采用了一个大家都没有用过的方式来做预测，主要的贡献是：提供了另外一种思维方式，并且做了很多实验来佐证。因此我发现，并不是所有的文章都是有特别新的idea才能发，也不是实验有多难做，只要有一个good story，并且实验结果来证明这个实验是有价值的，这就可以了。基于时间序列的预测方式在已有的文献中比较少提及，大多数的文章都在讲怎么预测矩阵中的缺失值，以及如果利用预测值进行服务选择和服务推荐。因此，基于时间序列的预测是比较有希望发文章的。作者做实验的方式和写作的方式也是可以借鉴的，按照论文思路怎么来的，如何验证，实验结果，以及如何解释模型，都做出了仔细的分析，也提供了一种比较好的行文思路和实验思路。