一种基于多模态机器学习的服务需求动态预测方法及系统技术方案

本发明专利技术公开了一种基于多模态机器学习的服务需求动态预测方法及系统，所述方法包括以下步骤：获取训练数据集，每条训练数据对应一个用户的用户数据、相应服务使用序列数据以及下一时刻的服务需求，所述服务使用序列中每个服务均包括文本数据和图像数据；对于每条训练数据，分别对文本数据和图像数据进行特征提取，并进行特征共享，得到用户使用服务表达向量；然后根据用户使用服务表达向量，基于门控循环单元网络提取用户服务兴趣表达向量；基于各用户对应的用户特征、用户服务兴趣表达向量以及下一时刻的服务需求，训练多模态机器学习模型，用于预测用户的服务需求。本发明专利技术能够实现用户下一时刻服务需求的精准预测。现用户下一时刻服务需求的精准预测。现用户下一时刻服务需求的精准预测。

【技术实现步骤摘要】
一种基于多模态机器学习的服务需求动态预测方法及系统


[0001]本专利技术属于机器学习
，尤其涉及一种基于多模态机器学习的服务需求动态预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着服务计算、云计算、移动边缘计算等多种新型计算模式的快速发展与成熟，网络上涌现出大规模跨网跨域的可用服务，给用户的生活和工作带来了极大的便利，并且，越来越多的用户更加依赖于服务来完成各种生活和工作业务。然而，随着网络上服务数量的急剧增长，用户难以快速地发现满足其需求的服务，严重影响了服务的利用率与用户体验。为了提高服务应用的智能化、解决服务发现难等问题，主动服务推荐逐渐成为服务计算领域研究的热点，而服务需求动态预测是实现主动服务推荐的重要基础。
[0004]据专利技术人了解，国内外学者针对服务需求预测开展了初步的研究，取得了一定的研究成果。目前，已经存在基于协同过滤(Collaborative Filtering，CF)的服务需求预测方法、基于机器学习(Machin本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态机器学习的服务需求动态预测方法，其特征在于，包括以下步骤：获取训练数据集，每条训练数据对应一个用户的用户数据、相应服务使用序列数据以及下一时刻的服务需求，所述服务使用序列中每个服务均包括文本数据和图像数据；对于每条训练数据，分别对文本数据和图像数据进行特征提取，并进行特征共享，得到用户使用服务表达向量；然后根据用户使用服务表达向量，基于门控循环单元网络提取用户服务兴趣表达向量；基于各用户对应的用户特征、用户服务兴趣表达向量以及下一时刻的服务需求，训练多模态机器学习模型，用于预测用户的服务需求。2.如权利要求1所述的基于多模态机器学习的服务需求动态预测方法，其特征在于，分别对文本数据和图像数据进行特征提取包括：分别基于Doc2Vec模型和ResNet模型对文本数据和图像数据进行特征提取。3.如权利要求1所述的基于多模态机器学习的服务需求动态预测方法，其特征在于，采用特征共享网络进行特征共享，所述特征共享网络包括：文本特征学习网络和图像特征学习网络，以及一个全连接网络，并且，文本特征学习网络和图像特征学习网络的输出均连接至该全连接网络。4.如权利要求3所述的基于多模态机器学习的服务需求动态预测方法，其特征在于，文本特征学习网络第一层的输入为文本特征向量和图像特征向量的加和，且自第二层起，文本特征学习网络每一层的输入均为上一层文本特征学习网络的输出与图像特征向量的加和；图像特征学习网络第一层的输入为图像特征向量和文本特征向量的加和，且自第二层起，图像特征学习网络每一层的输入均为上一层图像特征学习网络与文本特征向量的加和。5.如权利要求1所述的基于多模态机器学习的服务需求动态预测方法，其特征在于，所述门控循环单元网络包括一个辅助损失函数，用来计算每个时刻的隐藏状态和下个时刻服务特征融合向量之间的差距。6.如权利要求5所述的基于多模态机器学习的服务需求动态预测方法，其特征在于，训练...

【专利技术属性】
技术研发人员：刘志中，丰凯，尚领，初佃辉，王鹏，
申请(专利权)人：烟台大学，
类型：发明
国别省市：