Dual Latent State Learning: Exploiting Regional Network Similarities for QoS Prediction

要約

ユーザーであれサービスであれ、特定の地域内にある個々のオブジェクトは、同じ都市や自律システム（AS）から発信された共通のものであるため、しばしば類似したネットワーク状態を示す。このような地域ネットワークの類似性にもかかわらず、多くの既存技術はその可能性を見落としており、その結果、データの希少性やラベルの不均衡といった課題から生じる劣悪なパフォーマンスとなっている。本論文では、地域ベースの二重潜在状態学習ネットワーク(R2SL)を紹介する。これは、サービス品質(QoS)予測における従来の個別オブジェクトベースの予測技術の落とし穴を克服するために設計された、新しい深層学習フレームワークである。その前身とは異なり、R2SLは2つの異なる地域ネットワーク潜在状態（都市ネットワーク潜在状態とASネットワーク潜在状態）を導出することにより、地域ネットワーク動作のニュアンスを捉える。これらの状態は、個々のオブジェクトのデータではなく、共通の地域から集約されたデータを利用して構築される。さらに、R2SLは線形損失成分を調整する拡張Huber損失関数を採用し、一般的なラベルの不均衡問題の救済を提供する。予測プロセスを締めくくるために、マルチスケール知覚ネットワークが活用され、地域ネットワーク潜在特徴と他の関連情報の融合である統合特徴マップを解釈し、最終的にQoS予測を達成する。実世界のQoSデータセットでの厳密なテストを通じて、R2SLは一般的な最先端の手法と比較して優れた性能を実証しています。我々のR2SLアプローチは、オブジェクトに内在する地域ネットワークの類似性を完全に活用することで、正確なQoS予測のための革新的な道を切り開く。

要約(オリジナル)

Individual objects, whether users or services, within a specific region often exhibit similar network states due to their shared origin from the same city or autonomous system (AS). Despite this regional network similarity, many existing techniques overlook its potential, resulting in subpar performance arising from challenges such as data sparsity and label imbalance. In this paper, we introduce the regional-based dual latent state learning network(R2SL), a novel deep learning framework designed to overcome the pitfalls of traditional individual object-based prediction techniques in Quality of Service (QoS) prediction. Unlike its predecessors, R2SL captures the nuances of regional network behavior by deriving two distinct regional network latent states: the city-network latent state and the AS-network latent state. These states are constructed utilizing aggregated data from common regions rather than individual object data. Furthermore, R2SL adopts an enhanced Huber loss function that adjusts its linear loss component, providing a remedy for prevalent label imbalance issues. To cap off the prediction process, a multi-scale perception network is leveraged to interpret the integrated feature map, a fusion of regional network latent features and other pertinent information, ultimately accomplishing the QoS prediction. Through rigorous testing on real-world QoS datasets, R2SL demonstrates superior performance compared to prevailing state-of-the-art methods. Our R2SL approach ushers in an innovative avenue for precise QoS predictions by fully harnessing the regional network similarities inherent in objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL