一种Web服务推荐方法以及装置制造方法及图纸

本公开提出一种Web服务推荐方法以及装置，利用Web服务、服务组合的描述文本以及服务组合使用到的Web服务的信息，通过深度学习完成描述文本的建模，再整合服务的历史使用信息、描述文本、预定义的辅助信息来训练Web服务推荐模型，从而实现高准确度的Web服务推荐。当服务组合开发者希望开发满足某个功能的服务组合时，通过提交相关功能的描述文本，对一个服务组合请求，所述方法对请求的中的服务自动分析其所对应的功能特征，进而将服务系统中的Web服务进行排序，按Web服务与该服务组合的契合程度从高到低将Web服务个体推荐给服务组合开发者，从而帮助服务组合开发者快速、便捷地完成服务组合的开发。

【技术实现步骤摘要】

本公开属于计算机系统建模以及数据分析领域，具体涉及一种Web服务推荐方法以及装置。
技术介绍
随着面向服务的计算(SOC，Service Oriented Computing)、云计算(Cloud Computing)、务联网(IoS，Internet of Service)等创新模式的不断涌现与广泛应用，计算服务化的趋势已经十分明显。面向服务的体系结构(SOA，Service Oriented Architecture)及相关协议、规范的出现为企业内部及企业间的业务集成提供了便捷的松耦合模式，进一步推动着企业生产组织模式发生变革，向面向服务的企业(SOE，Service Oriented Enterprise)转型。大量的企业将自身的业务单元封装成为业务服务(Business Service)，并通过互联网实现企业内部不同业务单元以及跨企业组织边界的业务协作以实现价值增值，从而使互联网上Web服务的数量不断增长。现实应用中，独立存在的服务往往粒度较小，专注于有限的专一功能，难以满足用户复杂的业务需求。因此，往往需要对服务系统中的多个服务进行组合使用，从而构成价值增值的服务组合(Service Compositions)。尽管上述发展状况令人鼓舞，但Web服务系统在现实运行中，海量的Web服务带来了严重的信息过载，海量的Web服务个体为用户提供了丰富选择的同时，也带来了大量无关的或冗余的信息。因此，如何更好地利用自然语言的语义描述信息，针对用户请求进行有效的服务推荐，对互联网的良性发展有着十分重要的意义。然而，自然语言虽然便于人类的理解和处理，但也给计算机自动处理带来了较大的困难。例如，假设服务组合开发者希望开发一个基于地理位置的社交相关应用，关于地理位置，开发者可能会使用“GPS”、“地理坐标”、“位置”、“方位”等名词，而关于社交，则可能会使用“好友”、“分享”、“共享”等词语。从上例我们可以看到，针对同样的功能性需求，不同的服务组合开发者可能在用户请求中提交截然不同的关键词，而与之对应，Web服务的描述当中也可能使用多种多样的词语描述相同的功能。如何克服同义词、多义词的问题，是进行准确的服务推荐的基础性问题。
技术实现思路
为了更好地解决Web服务推荐问题中的以上难点，本公开提出了一种Web服务推荐方法及装置。一种Web服务推荐方法，所述方法包括下述步骤：S100、对于一个服务组合请求中涉及的服务组合，提取该服务组合的功能特征，获得服务组合功能特征向量，将其记作Z；S200、计算每个Web服务自被发布时刻至提出所述服务组合请求时刻所经过的时间长度、以及每个Web服务自被发布时刻至提出服务组合请求时刻所被调用次数；假设Web服务的总数为J，J为整数；将第j个Web服务自被发布时刻至提出服务组合请求时刻所经过的时间长度记作uptj，j＝1,…,J；将第j个Web服务自被发布时刻至提出服务组合请求时刻所被调用次数记作usgj，j＝1,…,J；S300、对于每个Web服务，利用下式计算第j个Web服务相对所述服务组合请求的推荐度rj，j＝1,…,J：rj＝β1Zvj+β2uptj+β3usgj+β4式中：β1，β2，β3，β4为已知的权重参数；vj为已知的与第j个Web服务相关的向量参数；S400、将Web服务按照其推荐度降序输出。优选地，所述步骤S300中的权重参数β1，β2，β3，β4以及与第j个Web服务相关的向量参数vj，j＝1,…,J，通过下述步骤获得：S301、对于每个Web服务，从该Web服务的描述文本中提取每个Web服务的功能特征，获得Web服务功能特征向量；将第j个Web服务对应的Web服务功能特征向量记作Yj，j＝1,…,J；S302、准备I个服务组合作为样本，I为整数；对于样本中的每个服务组合，从该服务组合的描述文本中提取其对应的服务组合功能特征向量；将第i个服务组合对应的服务组合功能特征向量记作Xi，i∈{1,…,I本文档来自技高网...

【技术保护点】
一种Web服务推荐方法，其特征在于，所述方法包括下述步骤：S100、对于一个服务组合请求中涉及的服务组合，从该服务组合的描述文本中提取该服务组合的功能特征，获得服务组合功能特征向量，将其记作Z；S200、计算每个Web服务自被发布时刻至提出所述服务组合请求时刻所经过的时间长度、以及每个Web服务自被发布时刻至提出服务组合请求时刻所被调用次数；假设Web服务的总数为J，J为整数；将第j个Web服务自被发布时刻至提出服务组合请求时刻所经过的时间长度记作uptj，j＝1,…,J；将第j个Web服务自被发布时刻至提出服务组合请求时刻所被调用次数记作usgj，j＝1,…,J；S300、对于每个Web服务，利用下式计算第j个Web服务相对所述服务组合请求的推荐度rj，j＝1,…,J：rj＝β1Zvj+β2uptj+β3usgj+β4式中：β1，β2，β3，β4为权重参数；vj为第j个Web服务相关的向量参数；S400、将Web服务按照其推荐度降序输出。

【技术特征摘要】
1.一种Web服务推荐方法，其特征在于，所述方法包括下述步骤：S100、对于一个服务组合请求中涉及的服务组合，从该服务组合的描述文本中提取该服务组合的功能特征，获得服务组合功能特征向量，将其记作Z；S200、计算每个Web服务自被发布时刻至提出所述服务组合请求时刻所经过的时间长度、以及每个Web服务自被发布时刻至提出服务组合请求时刻所被调用次数；假设Web服务的总数为J，J为整数；将第j个Web服务自被发布时刻至提出服务组合请求时刻所经过的时间长度记作uptj，j＝1,…,J；将第j个Web服务自被发布时刻至提出服务组合请求时刻所被调用次数记作usgj，j＝1,…,J；S300、对于每个Web服务，利用下式计算第j个Web服务相对所述服务组合请求的推荐度rj，j＝1,…,J：rj＝β1Zvj+β...

【专利技术属性】
技术研发人员：范玉顺，白冰，郜振锋，陈曙辉，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11