一种基于机器学习的通航服务系统的容器推荐方法及系统技术方案

本发明专利技术公开了一种基于机器学习的通航服务系统的容器推荐方法及系统，该方法包括：获取用户使用通航服务系统的历史数据，并进行向量化处理，生成历史数据特征向量；提取每个容器的特征向量，特征向量包括：每个容器的运行状态特征向量和每个容器所提供的软件功能特征向量；通过机器学习模型对每个容器的特征向量进行建模和训练，将容器进行分类，得到用户的容器类别，容器类别和历史数据特征向量，设置精准容器推荐模型，计算每个容器与用户的第一相似度，第一相似度最高的容器推荐给用户；设置容器间相似度推荐模型，在第一相似度最高的容器所在的类别中，计算第一相似度最高的容器与其余容器的第二相似度，将第二相似度最高的容器推荐给用户。的容器推荐给用户。的容器推荐给用户。

【技术实现步骤摘要】
一种基于机器学习的通航服务系统的容器推荐方法及系统


[0001]本专利技术属于通航服务系统容器推荐
，更具体地，涉及一种基于机器学习的通航服务系统的容器推荐方法及系统。

技术介绍

[0002]容器技术最大的优势是：1.创建速度快容器技术最大的优点是创建容器实例比创建虚拟机示例快得多，容器轻量级的脚本可以从性能和大小方面减少成本。2.启动速度快容器里面的应用，直接就是底层系统的一个进程，而不是虚拟机内部的进程。所以，启动容器相当于启动本机的一个进程，而不是启动一个操作系统，速度就快很多。3.资源占用少容器只占用需要的资源，不占用那些没有用到的资源；虚拟机由于是完整的操作系统，不可避免要占用所有资源。另外，多个容器可以共享资源，虚拟机都是独享资源。4.打包体积小容器只要包含用到的组件即可，而虚拟机是整个操作系统的打包，所以容器文件比虚拟机文件要小很多。5.简化部署采用容器的方式进行部署，整个系统会变得易于组合，通过容器技术将不同服务封装在对应的容器中，之后结合一些脚本使这些容器按照要求相互协作，这样操作不仅可以简化部署难度还可以降低操作风险。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，包括：获取用户使用所述通航服务系统的历史数据，并将所述历史数据进行向量化处理，生成历史数据特征向量，其中，所述历史数据特征向量包括：用户使用每个容器的频率特征向量、每个容器的使用时长特征向量和每个容器的删减次数特征向量；提取每个容器的特征向量，其中，所述特征向量包括：每个容器的资源占用情况特征向量、每个容器的运行状态特征向量和每个容器所提供的软件功能特征向量；通过机器学习模型对每个容器的特征向量进行建模和训练，将所有容器进行分类，得到用户的容器类别，根据所述容器类别和所述历史数据特征向量，设置精准容器推荐模型，计算每个容器与用户的第一相似度，将所述第一相似度最高的容器推荐给用户；设置容器间相似度推荐模型，在所述第一相似度最高的容器所在的容器类别中，计算所述第一相似度最高的容器与其余容器的第二相似度，将所述第二相似度最高的容器推荐给用户。2.如权利要求1所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，所述精准容器推荐模型为：，其中，n为n个特征向量，为所述历史数据特征向量的第个特征向量值，为容器的第个特征向量值，为所述历史数据特征向量第个特征向量的权重，为第个容器的第个特征向量的出现次数，为所述历史数据特征向量第个特征向量的权重，为所有容器的个数。3.如权利要求2所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，所述容器间相似度推荐模型为：，其中，为容器在第个特征向量值，为容器在第个特征向量值，为容器所有特征向量的平均值，为容器所有特征向量的平均值，n为n个特征向量。4.如权利要求1所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在
于，还包括：根据所述精准容器推荐模型，计算每个容器类别中的第三相似度，找出每个容器类别中所述第三相似度最高的容器，推荐给用户；找出每个容器类别中与所述第三相似度最高的容器相似度最高的其余容器，并推荐给用户。5.如权利要求1所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，包括：对所述历史数据特征向量和所述每个容器的特征向量，进行归一化处理，生成所述历史数据特征向量的特征向量值和所述每个容器的特征向量的特征向量值。6.一种基于机器学习的通航服务系统的容器推荐系统，其特...

【专利技术属性】
技术研发人员：安小刚，朱玮玮，汪慧勇，王俊文，于嘉恒，
申请(专利权)人：长江三峡通航管理局，
类型：发明
国别省市：