Resumen

Con el creciente volumen de servicios web en el entorno de la nube, la recomendación de servicios basada en Filtrado Colaborativo (CF) se ha convertido en una de las técnicas más efectivas para aliviar la carga pesada en las decisiones de selección de servicios de un usuario objetivo. Sin embargo, las bases de recomendación de servicios, es decir, los datos históricos de uso de servicios, suelen estar distribuidos en diferentes plataformas en la nube. Dos desafíos están presentes en un escenario de recomendación de servicios entre nubes cruzadas. En primer lugar, una plataforma en la nube a menudo no está dispuesta a compartir sus datos con otras plataformas en la nube debido a preocupaciones de privacidad, lo que disminuye severamente la viabilidad de la recomendación de servicios entre nubes cruzadas. En segundo lugar, los datos históricos de uso de servicios registrados en cada plataforma en la nube pueden actualizarse con el tiempo, lo que reduce significativamente la escalabilidad de la recomendación. A la luz de estos dos desafíos, se propone en este documento un

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Servicios web; Entorno en la nube; Filtrado Colaborativo; Recomendación de servicios; Datos de uso histórico del servicio; Preocupaciones de privacidad
• Keywords:Web services; Cloud environment; Collaborative Filtering; Service recommendation; Historical service usage data; Privacy concerns