TY -的AU - Ma,雯盟,张黔AU -μ,春晓盟——张濛PY - 2019 DA - 2019/01/01 TI - QoS预测邻居选择通过深层传输视频流P2P网络的协同过滤SP - 1326831六世- 2019 AB -扩大服务器容量,减少带宽,P2P技术近年来在视频流媒体系统中得到了广泛的应用。P2P流媒体网络中的每个客户端都应该通过评估其他节点的QoS来选择一组邻居。不幸的是，视频流P2P网络的规模通常非常大，评估其他所有节点的QoS非常耗费资源。一个有吸引力的方法是，我们可以利用评估过该节点的少数其他客户的过去使用经验来预测该节点的QoS。因此，可以使用协同过滤(CF)方法进行QoS评估，选择邻居。但是，我们可能会为不同的视频流策略使用不同的QoS属性。如果一个新的视频蒸策略需要评估一个新的QoS属性，但是历史经验中对该QoS属性的评估数据很少，那么CF方法会产生严重的过拟合问题，客户端可能会得到不满意的推荐结果。本文提出了一种新的基于迁移学习的神经协同过滤方法，该方法可以通过评估具有丰富历史数据的其他不同QoS属性来评估较少历史数据的QoS。我们在一个大型的真实数据集上进行了实验，这些数据集的QoS值来自339个客户端，并在其他5825个客户端上进行了评估。 The comprehensive experimental studies show that our approach offers higher prediction accuracy than the traditional collaborative filtering approaches. SN - 1687-7578 UR - https://doi.org/10.1155/2019/1326831 DO - 10.1155/2019/1326831 JF - International Journal of Digital Multimedia Broadcasting PB - Hindawi KW - ER -