基于异质服务网络的服务推荐方法及装置制造方法及图纸

本申请涉及一种基于异质服务网络的服务推荐方法及装置，其中，方法包括：根据服务生态系统中存在的多源信息构建异质服务网络；利用图卷积神经网络和多头注意力机制分别学习用户与服务的表征，得到用户表征和服务表征；基于用户表征与服务表征计算用户对于任一服务的感兴趣程度，并根据感兴趣程度生成服务的推荐信息。本申请实施例可以基于多源信息构建异质服务网络，使用图卷积神经网络以及多头注意力机制学习用户与服务的表征，并根据感兴趣程度生成服务的推荐信息，以克服数据稀疏，保证服务推荐方法的灵活性与可区分性，提升个性化服务推荐的精准度。服务推荐的精准度。服务推荐的精准度。

【技术实现步骤摘要】
基于异质服务网络的服务推荐方法及装置


[0001]本申请涉及计算机系统建模以及数据分析
，特别涉及一种基于异质服务网络的服务推荐方法及装置。

技术介绍

[0002]随着互联网的发展以及人们生活水平的不断提高，与服务相关的数据正呈现爆炸性的增长，一方面，越来越多的服务被服务提供商发布到服务生态系统当中；另一方面，越来越多且各种各样的多源信息也被集成到服务生态系统之中，使得用户与服务之间，用户之间以及服务之间产生了丰富的关联关系，然而，面对海量的服务时由用户自主地去搜寻自己有可能感兴趣的某个服务是十分低效的，在这种条件下，如何有效地利用服务生态系统中存在的多源信息，生成针对用户的个性化的服务推荐，成为当前的迫切需求。
[0003]相关技术中，用户可以搜寻个人可能感兴趣的服务并进行调用，然而，相关技术中调用记录存在数据稀疏问题，难以良好的推断用户的兴趣，无法有效地、加以区分地利用异质的多源信息缓解数据稀疏问题，服务推荐方法的灵活性较低。

技术实现思路

[0004]本申请提供一种基于异质服务网络的服务推荐方法及装置，以解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异质服务网络的服务推荐方法，其特征在于，包括以下步骤：根据服务生态系统中存在的多源信息构建异质服务网络；利用图卷积神经网络和多头注意力机制分别学习用户与服务的表征，得到用户表征和服务表征；以及基于所述用户表征与所述服务表征计算用户对于任一服务的感兴趣程度，并根据感兴趣程度生成服务的推荐信息。2.根据权利要求1所述的方法，其特征在于，所述根据服务生态系统中存在的多源信息构建异质服务网络，包括：从预设服务生态平台中，采集预设时长内的所述用户对所述服务的调用记录，生成服务调用数据集，并收集与所述用户和所述服务的多源信息，生成多源信息数据集；对所述服务调用数据集和所述多源信息数据集的数据进行预处理，得到处理后的服务调用数据集和多源信息数据集；根据所述处理后的服务调用数据集和多源信息数据集构建一个以所述用户、所述服务以及信息类型为节点，以关联关系或从属关系作为边的所述异质服务网络。3.根据权利要求2所述的方法，其特征在于，所述对所述服务调用数据集和所述多源信息数据集的数据进行预处理，包括：去重所述服务调用数据集和所述多源信息数据集的数据重复项，并统一所述服务调用数据集和所述多源信息数据集中数据格式；对所述用户、所述服务及相关的多源信息进行编号，并根据所述用户、所述服务及所述相关的多源信息之间的关系整理为两两对应的方式。4.根据权利要求1所述的方法，其特征在于，所述利用图卷积神经网络和多头注意力机制分别学习用户与服务的表征，得到用户表征和服务表征，包括：使用所述图卷积神经网络和所述多头注意力机制学习获得所述用户与服务的表征；计算所述用户与服务的表征的感兴趣程度，并基于预设目标函数进行学习，直至达到预设收敛条件，得到所述用户表征和所述服务表征。5.根据权利要求1所述的方法，其特征在于，所述用户与服务的表征的感兴趣程度的计算公式为：其中，u为某个用户，s为某个用户，为一个可训练的关系衡量矩阵，P代表着矩阵针对服务推荐这一种关系，Sigmoid(
·
...

【专利技术属性】
技术研发人员：范玉顺，贾志轩，
申请(专利权)人：清华大学，
类型：发明
国别省市：