TY - Jour Au - Ma，Wenming Au - Zhang，努奥 - 亩，春晓·奥 - 张，Meng Py - 2019 Da - 2019/01/01 Ti - QoS预测通过深度传输在视频流中的深度传输协作滤波中的邻居选择SP - 1326831 VL - 2019 AB - 扩展服务器容量并减少带宽，近年来P2P技术广泛用于视频流系统。P2P流网络中的每个客户端应通过评估其他节点的QoS来选择一组邻居。不幸的是，视频流的大小通常非常大，并且评估所有其他节点的QoS是资源消耗。一种有吸引力的方式是，我们可以通过利用已经评估了此节点的少数其他客户端的过去的使用体验来预测节点的QoS。因此，协作滤波（CF）方法可用于QoS评估以选择邻居。但是，我们可能会对不同的视频流策略使用不同的QoS属性。如果新的视频蒸发政策需要评估新的QoS属性，但历史经验包括对此QoS财产的评估数据很少，CF方法将产生严重的过度拟合问题，而客户则可能会获得不满意的推荐结果。在本文中，我们提出了一种基于转移学习的新型神经协作滤波方法，其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QoS少数历史数据。我们在大型实际数据集中进行我们的实验，其QoS值是从其他5825个客户端评估的339个客户获得的QoS值。 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 -