API信息处理、LSTM模型训练方法及装置、设备及介质制造方法及图纸

本申请公开了一种API信息处理方法、LSTM模型训练方法及装置、电子设备及存储介质。所述文本处理方法可包括：获取第n时段内以第n监控配置采集的API信息；其中，所述n为正整数；将所述API信息输入到基于粒子群算法训练得到的长短记忆网络LSTM模型，得到API的变化频率的第n预测值；根据所述第n预测值，确定第n+1监控配置，其中，所述第n+1监控配置用于第n+1时段内的API信息的采集，具有第n预测值的精确度高及第n+1监控配置适合第n时段内API信息的监控的特点。的特点。的特点。

【技术实现步骤摘要】
API信息处理、LSTM模型训练方法及装置、设备及介质


[0001]本申请涉及信息
，尤其涉及一种应用程序接口(Application Programming Internet，API)信息处理方法、长短记忆网(Long Short
‑
Term Memory，LSTM)模型训练方法及装置、电子设备及存储介质。

技术介绍

[0002]现有技术中，在对API信息进行管理时，通常是通过以下方法进行管理：
[0003]方法1：通过文件化管理markdown、excel或者word文档的方式进行管理；
[0004]方法2：通过YAPIi等开源的API管理工具进行管理；
[0005]方法3：自己开发一套统一的API管理平台，通过用户自己导入API文档，或者定时去拉取用户API信息的方式进行管理。
[0006]现有技术虽然可以实现对API信息的管理，但是，有以下缺点：
[0007]方法1以及方法2都需要人工维护，且API发生变化时都无法实时反映给调用者，因此，需要耗费较多人力且实时性差；且方法3需要人工维护以及人工导入，需要耗费较多人力。

技术实现思路

[0008]本申请实施例提供了一种API信息处理方法、LSTM模型训练方法及装置、电子设备及存储介质，以解决API信息的获取和管理困难的问题。
[0009]本公开实施例第一方面提供一种应用程序接口API信息处理方法，所述方法包括：
[0010]获取第n时段内以第n监控配置采集的API信息；其中，所述n为正整数；
[0011]将所述API信息输入到基于粒子群算法训练得到的长短记忆网络LSTM模型，得到API的变化频率的第n预测值；
[0012]根据所述第n预测值，确定第n+1监控配置，其中，所述第n+1监控配置用于第n+1时段内的API信息的采集。
[0013]基于上述方案，所述基于粒子群算法训练得到的长短记忆网络LSTM模型的训练，包括：
[0014]基于粒子群算法确定所述粒子群中第s个粒子的所述学习率，以采集的第m时段的API信息为样本数据且以第m+1时段API的变化频率为标签，对包含m个隐层节点的LSTM模型进行第x轮训练得到第x预测值；其中，所述第s个粒子的粒子特征包括：LSTM模型的隐层节点个数m、学习率lr所述s小于或等于S；所述S为所述粒子群中的粒子总个数；
[0015]根据所述第x预测值和所述标签之间的差异，确定所述第x误差；
[0016]在所述第x误差不满足预设条件，更新所述第s个粒子中所述m或者lr进行基于所述第s个粒子迭代更新训练；
[0017]根据所述粒子群中S个粒子的满足预设条件的误差，确定所述粒子群的群误差，其中，所述群误差为所述粒子群中满足预设条件的最小误差；
[0018]根据所述群误差对应的粒子，确定所述LSTM模型的隐层节点数及模型参数。
[0019]基于上述方案，所述LSTM模型包括多个层叠的LSTM层。
[0020]基于上述方案，所述获取第n时段内以第n监控配置采集的API信息包括：
[0021]按照第n监控配置监听API的相关文件，其中，所述相关文件包括：API的项目文件和/或文档文件；
[0022]当根据所述相关文件确定出有API信息更新时，读取更新后的所述API信息。
[0023]基于上述方案，所述当根据所述相关文件确定出有API信息更新时，读取所述API信息，包括：
[0024]当在第n时段内根据所述相关文件确定出有API信息更新时，读取API信息；
[0025]根据所述第n时段内读取的API信息与第n
‑
1时段采集的API信息比较，确定所述API信息的更新类型；
[0026]其中，当所述API信息是全量更新时，将读取的全部API信息为输入到所述LSTM模型的API信息；
[0027]当所述API信息是增量更新时，将增量的更新API信息为输入到所述LSTM模型的API信息。
[0028]基于上述方案，所述根据所述第n时段内读取的API信息与第n
‑
1时段采集的API信息比较，确定所述API信息的更新类型，包括：
[0029]获取第n时段采集的所述API信息的第n摘要信息；
[0030]将所述第n摘要信息与所述第n
‑
1时段采集的API信息的第n
‑
1摘要信息进行比对，确定第n时段内采集的所述API信息的更新类型。
[0031]基于上述方案，所述将所述第n摘要信息与所述第n
‑
1时段采集的API信息的第n
‑
1摘要信息进行比对，确定第n时段内采集的所述API信息的更新类型，包括：
[0032]当所述第n预测值相对于第n监控配置对应的第n
‑
1预测值增大时，增大所述第n监控配置包含的监控频率得到包含在第n+1监控配置中的监控频率；
[0033]或者，
[0034]当所述第n预测值相对于所述第n时段的API信息的变化频率减小时，减小所述第n监控配置包含的监控频率得到包含在第n+1监控配置中的监控频率。
[0035]本公开实施例第二方面提供一种API信息处理装置，所述装置包括：
[0036]获取模块，用于获取第n时段内以第n监控配置采集的API信息；其中，所述n为正整数；
[0037]预测模块，用于将所述API信息输入到基于粒子群算法训练得到的长短记忆网络LSTM模型，得到API的变化频率的第n预测值；
[0038]确定模块，用于根据所述第n预测值，确定第n+1监控配置，其中，所述第n+1监控配置用于第n+1时段内的API信息的采集。
[0039]基于上述方案，所述装置包括：
[0040]训练模块，用于基于粒子群算法确定所述粒子群中第s个粒子的所述学习率，以采集的第m时段的API信息为样本数据且以第m+1时段API的变化频率为标签，第x第x对包含m个隐层节点的LSTM模型进行第x轮训练得到第x预测值；其中，所述第s个粒子的粒子特征包括：LSTM模型的隐层节点个数m、学习率lr所述s小于或等于S；所述S为所述粒子群中的粒子
总个数；
[0041]粒子误差确定模块，用于根据所述第x预测值和所述标签之间的差异，确定所述第x误差；
[0042]更新模块，用于在所述第x误差不满足预设条件，更新所述第s个粒子中所述m或者lr进行基于所述第s个粒子迭代更新训练；
[0043]群误差模块，用于根据所述粒子群中S个粒子的满足预设条件的误差，确定所述粒子群的群误差，其中，所述群误差为所述粒子群中满足预设条件的最小误差；
[0044]模型确定模块，用于根据所述群误差对应的粒子，确定所述LSTM模型的隐层节点数及模型参数。
[0045]基于上述方案，所述LSTM模型包括多个层叠的LSTM层。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用程序接口API信息处理方法，其特征在于，所述方法包括：获取第n时段内以第n监控配置采集的API信息；其中，所述n为正整数；将所述API信息输入到基于粒子群算法训练得到的长短记忆网络LSTM模型，得到API的变化频率的第n预测值；根据所述第n预测值，确定第n+1监控配置，其中，所述第n+1监控配置用于第n+1时段内的API信息的采集。2.根据权利要求1所述的方法，其特征在于，所述基于粒子群算法训练得到的长短记忆网络LSTM模型的训练，包括：基于粒子群算法确定所述粒子群中第s个粒子的所述学习率，以采集的第m时段的API信息为样本数据且以第m+1时段API的变化频率为标签，对包含m个隐层节点的LSTM模型进行第x轮训练得到第x预测值；其中，所述第s个粒子的粒子特征包括：LSTM模型的隐层节点个数m、学习率lr所述s小于或等于S；所述S为所述粒子群中的粒子总个数；所述x的取值可为任意正整数；根据所述第x预测值和所述标签之间的差异，确定所述第x误差；在所述第x误差不满足预设条件，更新所述第s个粒子中所述m或者lr进行基于所述第s个粒子迭代更新训练；根据所述粒子群中S个粒子的满足预设条件的误差，确定所述粒子群的群误差，其中，所述群误差为所述粒子群中满足预设条件的最小误差；根据所述群误差对应的粒子，确定所述LSTM模型的隐层节点数及模型参数。3.根据权利要求1或2所述的方法，其特征在于，所述LSTM模型包括多个层叠的LSTM层。4.根据权利要求1或2所述的方法，其特征在于，所述获取第n时段内以第n监控配置采集的API信息包括：按照第n监控配置监听API的相关文件，其中，所述相关文件包括：API的项目文件和/或文档文件；当根据所述相关文件确定出有API信息更新时，读取更新后的所述API信息。5.根据权利要求4所述的方法，其特征在于，所述当根据所述相关文件确定出有API信息更新时，读取所述API信息，包括：当在第n时段内根据所述相关文件确定出有API信息更新时，读取API信息；根据所述第n时段内读取的API信息与第n
‑
1时段采集的API信息比较，确定所述API信息的更新类型；其中，当所述API信息是全量更新时，将读取的全部API信息为输入到所述LSTM模型的API信息；当所述API信息是增量更新时，将增量的更新API信息为输入到所述LSTM模型的API信息。6.根据权利要求5所述的方法，其特征在于，所述根据所述第n时段内读取的API信息与第n
‑
1时段采集的API信息比较，确定所述API信息的更新类型，包括：获取第n时段采集的所述API信息的第n摘要信息；将所述第n摘要信息与所述第n
‑
1时段采集的API信息的第n
‑
1摘要信息进行比对，确定第n时段内采集的所述API信息的更新类型。
7.根据权利要求1或2所述的方法，其特征在于，所述将所述第n摘要信息与所述第n
‑
1时段采集的API信息的第n
‑
1摘要信息进行比对，确定第n时段内采集的所述API信息的更新类型，包括：当所述第n预测值相对于第n监控配置对应的第n
‑
1预测值增大时，增大所述第n监控配置包含的监控频率得到包含在第n+1监控配置中的监控频率；或者，当所述第n预测值相对于所述第n时段的API信息的变化频率减小时，减小所述第n监控配置包含的监控频率得到包含在第n+1监控配置中的监控频率。8.一种应用程序接口API信息处理装置，其特征在于，所述装置包括：获取模块，用于获取第n时段内以第n监控配置采集的API信息；其中，所述n为正整数；预测模块，用于将所述API信息输入到基于粒子群算法训练得到的长短记忆网络LSTM模型，得到API的变化频率的第n预测值；确定模块，用于根据所述第n预测值，确定第n+1监控配置，其中，所述第n+1监控配置用于第n+1时段内的API信息的采集。9.根据权利要求8所述的装置，其特征在于，所述装置包括：训练模块，用于基于粒子群算法确定所述粒子群中第s个粒子的所述学习率，以采集的第m时段的API信息为样本数据且以第m+1时段API的变化频率为标签，第x第x对包含m个隐层节点的LSTM模型进行第x轮训练得到第x预测值；其中，所述第s个粒子的粒子特征包括：LSTM模型的隐层节点个数m、学习率lr所述s小于或等于S；所述S为所述粒子群中的粒子总个数；粒子误差确定模块，用于根据所述第x预测值和所述标签之间的差异，确定所述第x误差；更新模块，用于在所述第x误差不满足预设条件，更新所述第s个粒子中所述m或者lr进行基于所述第s个粒子迭代更新训练；群误差模块，用于根据所述粒子群中S个粒子的满足预设条件的误差，确定所述粒子群的群误差，其中，所述群误差为所...

【专利技术属性】
技术研发人员：王永建，严蔚岚，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：