本申请涉及数据分析技术领域，特别涉及一种基于时空超图的服务推荐方法及装置，其中，方法包括：根据服务系统中存在的用户与服务的调用交互信息以及服务的地理位置信息构建时空超图，利用时空超图神经网络和注意力机制学习，得到用户偏好表征与服务表征，使用用户偏好表征与服务表征预测用户对于任一服务的感兴趣程度的大小，并根据感兴趣程度的大小生成服务的推荐信息。本申请可以通过构建服务的时空超图推断用户偏好与服务的时空表征，并预测用户对于服务的感兴趣程度，以实现针对用户的服务推荐，从而提升了个性化服务推荐的精度，保障了用户的使用体验，准确性与客观性更强。准确性与客观性更强。准确性与客观性更强。
【技术实现步骤摘要】
基于时空超图的服务推荐方法及装置
[0001]本申请涉及数据分析
，特别涉及一种基于时空超图的服务推荐方法及装置。
技术介绍
[0002]随着服务计算概念的兴起以及服务互联网的进一步发展，与服务相关的数据呈现爆炸式增长，服务推荐方法能够有效利用服务系统信息，能够生成针对用户的个性化服务推荐。
[0003]相关技术中，可采用基于统计算法模型与基于神经网络模型的服务推荐方法，常见的服务推荐方法包括基于循环神经网络的服务推荐方法，基于注意力机制的服务推荐方法，以及基于图神经网络的服务推荐方法等。
[0004]然而，相关技术中，因用户的服务调用记录存在数据稀疏现象，使得服务推荐难以对用户画像进行良好建模，从而限制了服务推荐的推荐表现，且难以实现针对复杂高阶时空关联关系的自然建模，导致服务推荐的个性化水平不足，推荐结果的准确度下降，影响了用户的使用体验，亟待解决。
技术实现思路
[0005]本申请提供一种基于时空超图的服务推荐方法及装置、电子设备及存储介质，以解决相关技术中，因用户的服务调用记录存在数据稀疏现象，使得服务推荐难以对用户画像进行良好建模，从而限制了服务推荐的推荐表现，且难以实现针对复杂高阶时空关联关系的自然建模，导致服务推荐的个性化水平不足，推荐结果的准确度下降，影响了用户的使用体验等问题。
[0006]本申请第一方面实施例提供一种基于时空超图的服务推荐方法，包括以下步骤：根据服务系统中存在的用户与服务的调用交互信息以及服务的地理位置信息构建时空超图；利用所述时空超图神经网络和注意力机制学习，得到用户偏好表征与服务表征；使用所述用户偏好表征与所述服务表征预测用户对于任一服务的感兴趣程度的大小，并根据所述感兴趣程度的大小生成服务的推荐信息。
[0007]可选地，在本申请的一个实施例中，所述根据服务系统中存在的用户与服务的调用交互信息以及服务的地理位置信息构建时空超图，包括：采集预设时段内的用户对服务的调用交互信息作为服务的时间数据集和相关的服务的地理位置信息作为服务的空间数据集；对所述时间数据集和所述空间数据集进行预处理，得到处理后的时间数据集和空间数据集；利用所述处理后的时间数据集和空间数据集构建时间超图和空间超图。
[0008]可选地，在本申请的一个实施例中，所述利用所述时空超图神经网络和注意力机制学习，得到用户偏好表征与服务表征，包括：分别在所述时间超图和所述空间超图上，使用服务嵌入层获得所述服务的空间和时间的初始表征；使用时空超图神经网络以及注意力机制分别学习并获得所述服务的空间表征和时间表征；根据所述服务的空间表征和时间表
征获取用户的偏好表征。
[0009]可选地，在本申请的一个实施例中，所述使用所述用户偏好表征与所述服务表征预测用户对于任一服务的感兴趣程度的大小，包括：基于所述服务的空间表征和时间表征和所述用户的偏好表征，通过各自的内积操作计算用户从时空两个角度上对目前所有服务的感兴趣程度大小。
[0010]可选地，在本申请的一个实施例中，所述感兴趣程度大小的计算公式为：
[0011][0012][0013]其中，为用户从时空角度上对目前所有服务的综合感兴趣程度大小，为系统中存在的所有的服务，和分别为服务的空间表征和时间表征，和分别为用户偏好的空间表征和时间表征。
[0014]本申请第二方面实施例提供一种基于时空超图的服务推荐装置，包括：构建模块，用于根据服务系统中存在的用户与服务的调用交互信息以及服务的地理位置信息构建时空超图；获取模块，用于利用所述时空超图神经网络和注意力机制学习，得到用户偏好表征与服务表征；推荐模块，用于使用所述用户偏好表征与所述服务表征预测用户对于任一服务的感兴趣程度的大小，并根据所述感兴趣程度的大小生成服务的推荐信息。
[0015]可选地，在本申请的一个实施例中，所述构建模块包括：采集单元，用于采集预设时段内的用户对服务的调用交互信息作为服务的时间数据集和相关的服务的地理位置信息作为服务的空间数据集；预处理单元，用于对所述时间数据集和所述空间数据集进行预处理，得到处理后的时间数据集和空间数据集；构建单元，用于利用所述处理后的时间数据集和空间数据集构建时间超图和空间超图。
[0016]可选地，在本申请的一个实施例中，所述获取模块包括：嵌入单元，用于分别在所述时间超图和所述空间超图上，使用服务嵌入层获得所述服务的空间和时间的初始表征；学习单元，用于使用时空超图神经网络以及注意力机制分别学习并获得所述服务的空间表征和时间表征；获取单元，用于根据所述服务的空间表征和时间表征获取用户的偏好表征。
[0017]可选地，在本申请的一个实施例中，所述推荐模块包括：计算单元，用于基于所述服务的空间表征和时间表征和所述用户的偏好表征，通过各自的内积操作计算用户从时空两个角度上对目前所有服务的感兴趣程度大小。
[0018]可选地，在本申请的一个实施例中，所述感兴趣程度大小的计算公式为：
[0019][0020][0021]其中，为用户从时空角度上对目前所有服务的综合感兴趣程度大小，为系统中存在的所有的服务，和分别为服务的空间表征和时间表征，和分别为用户偏好的空间表征和时间表征。
[0022]本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述
实施例所述的基于时空超图的服务推荐方法。
[0023]本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的基于时空超图的服务推荐方法。
[0024]本申请实施例可以通过构建服务的时空超图推断用户偏好与服务的时空表征，并预测用户对于服务的感兴趣程度，以实现针对用户的服务推荐，从而提升了个性化服务推荐的完成精度，保障了用户的使用体验，准确性与客观性更强。由此，解决了相关技术中，因用户的服务调用记录存在数据稀疏现象，使得服务推荐难以对用户画像进行良好建模，从而限制了服务推荐的推荐表现，且难以实现针对复杂高阶时空关联关系的自然建模，导致服务推荐的个性化水平不足，推荐结果的精度下降，影响了用户的使用体验等问题。
[0025]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0026]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0027]图1为根据本申请实施例提供的一种基于时空超图的服务推荐方法的流程图；
[0028]图2为本申请一个实施例的服务推荐操作流程的示意图；
[0029]图3为本申请一个实施例的时空超图概念的示意图；
[0030]图4为根据本申请实施例的基于时空超图的服务推荐装置的结构示意图；
[0031]图5为根据本申请实施例的电子设备的结构示意图。
具体实施方式
...
【技术保护点】
【技术特征摘要】
1.一种基于时空超图的服务推荐方法，其特征在于，包括以下步骤：根据服务系统中存在的用户与服务的调用交互信息以及服务的地理位置信息构建时空超图；利用所述时空超图神经网络和注意力机制学习，得到用户偏好表征与服务表征；以及使用所述用户偏好表征与所述服务表征预测用户对于任一服务的感兴趣程度的大小，并根据所述感兴趣程度的大小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，所述根据服务系统中存在的用户与服务的调用交互信息以及服务的地理位置信息构建时空超图，包括：采集预设时段内的用户对服务的调用交互信息作为服务的时间数据集和相关的服务的地理位置信息作为服务的空间数据集；对所述时间数据集和所述空间数据集进行预处理，得到处理后的时间数据集和空间数据集；利用所述处理后的时间数据集和空间数据集构建时间超图和空间超图。3.根据权利要求2所述的方法，其特征在于，所述利用所述时空超图神经网络和注意力机制学习，得到用户偏好表征与服务表征，包括：分别在所述时间超图和所述空间超图上，使用服务嵌入层获得所述服务的空间和时间的初始表征；使用时空超图神经网络以及注意力机制分别学习并获得所述服务的空间表征和时间表征；根据所述服务的空间表征和时间表征获取用户的偏好表征。4.根据权利要求3所述的方法，其特征在于，所述使用所述用户偏好表征与所述服务表征预测用户对于任一服务的感兴趣程度的大小，包括：基于所述服务的表征和所述用户的偏好表征，通过各自的内积操作计算用户从时空两个角度上对目前所有服务的感兴趣程度大小。5.根据权利要求4所述的方法，其特征在于，所述感兴趣程度大小的计算公式为：5.根据权利要求4所述的方法，其特征在于，所述感兴趣程度大小的计算公式为：其中，为用户从时空角度上对目前所有服务的综合感兴趣程度大小，为系统中存在的所有的服务，和分...
【专利技术属性】
技术研发人员：范玉顺，贾志轩，韦淳于，闫茹钰，
申请(专利权)人：清华大学，
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。