【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。