作者資訊：XinYu Wang, Jiangke Zhu, Zibin Zheng, 分別是浙江大學和中山大學，Zibin Zheng的主要研究方向就是web service recommendation。他已經是IEEE transaction on computer service的審稿人，並且在ICWS等A類會議、IEEE Transaction on web service期刊以一作身份發表了20多篇學術論文，每篇文章的索引量都超過100。
發表日期：2016,1
發表期刊/會議：ACM transaction on web（SCI期刊，錄取率低）。

主要內容：web服務的質量會隨著時間、網路狀態和網路環境的改變而變，傳統服務質量都是基於歷史的QoS資訊來預測使用者-服務矩陣中的缺失值，而作者提出了一種新的時空模型來預測QoS，把服務質量預測問題轉換成為了一個拉索迴歸的問題。為了有效選擇最近的鄰居，論文根據web服務的地理位置來減少搜尋範圍來提高預測的準確率。實驗結果表示該方法比傳統的方法提升率10%的準確率。
預測模型如圖1的方式：

閱讀心得： 作者突出的拉索迴歸的方式是一種很普通的思路，就是利用lasso迴歸構造一個預測QoS模型，然後通過做大量的實驗來分析和解釋這個模型的優點和缺點，事實上，在我們上的高等數學和機器學習的課程中這些是書本上的知識，只是沒有人想到用這個寫論文然後發表出來。作者思路並不新穎，只是採用了一個大家都沒有用過的方式來做預測，主要的貢獻是：提供了另外一種思維方式，並且做了很多實驗來佐證。因此我發現，並不是所有的文章都是有特別新的idea才能發，也不是實驗有多難做，只要有一個good story，並且實驗結果來證明這個實驗是有價值的，這就可以了。基於時間序列的預測方式在已有的文獻中比較少提及，大多數的文章都在講怎麼預測矩陣中的缺失值，以及如果利用預測值進行服務選擇和服務推薦。因此，基於時間序列的預測是比較有希望發文章的。作者做實驗的方式和寫作的方式也是可以借鑑的，按照論文思路怎麼來的，如何驗證，實驗結果，以及如何解釋模型，都做出了仔細的分析，也提供了一種比較好的行文思路和實驗思路。