【技术实现步骤摘要】
本专利技术涉及一种基于服务组合超图卷积网络的云计算数据推荐方法。
技术介绍
1、服务计算、分布式计算和容器化技术的融合发展，推动着云原生时代的到来。作为云原生架构的核心的底层实现，云计算提供了弹性、统一的基础设施服务。云计算可以实现按需、弹性、灵活地从可配置计算资源共享池中获取资源(例如，存储、算力、网络、服务、数据等)。云计算正在成为信息技术产业发展的战略重点，在云计算潮流的推动下，企业和组织纷纷将产品管理、人事系统、财务管理等业务流程部署至云端，产生了海量的云计算数据。利用合理的算法和模型深度挖掘云计算数据，获取的信息和知识在服务计算、推荐系统、金融分析、工程设计等领域得到了广泛的应用。
2、在推荐系统领域中，分析、挖掘云计算数据有利于实现个性化推荐，提高推荐结果的关联性和精确度。例如，专利号为201911411071.x，名称为一种基于云计算的科普内容个性化推荐系统通过搜索播放模块、历史浏览信息记录模块和自动填写模块配合，将云计算数据应用于科普内容的个性化推荐。专利号为201710742043.0，名称为一种基于云计算的智能服务推荐方法运用逻辑回归算法进行精确服务选择决策，解决了现有服务推荐算法计算量大、效率低的技术问题。专利号为201510072895.4，名称为一种基于云计算的冷启动项目推荐的方法及装置根据所述评分数信息和贝叶斯算法计算用户喜欢的项目中包含冷启动数据的概率，提高了冷启动项目的推荐准确度。
3、在服务计算的应用场景下，云计算数据中蕴含丰富的服务功能、服务调用、服务组合信息，具有较高
技术实现思路
1、为克服现有云计算数据推荐方法存在的推荐结果关联度较低、精确度不高等不足，本专利技术提供了一种关联度较高、降低计算复杂度和过拟合风险、提高推荐结果的精确度的基于服务组合超图卷积网络的云计算数据推荐方法，首先，对云计算数据进行深度挖掘，得到用于表示潜在服务组合关系的序列组合集；其次，利用序列组合集构建服务组合超图，实现组合特征的有效建模；然后，基于切比雪夫近似卷积思想，设计超图卷积网络提取服务组合超图上的超图信号；考虑到超图卷积操作存在较高的过拟合风险，使用hg-pool(hypergraph pool)超图池化方法降低超图信号的特征维度；最后，融合api服务的语义编码结果和降维后的超图信号，计算api服务的推荐概率并进行推荐。
2、本专利技术所采用的技术方案是：
3、一种基于服务组合超图卷积网络的云计算数据推荐方法，包括以下步骤：
4、步骤一：挖掘云计算数据中的潜在服务组合关系，构建序列组合集；
5、步骤二：基于步骤一中的序列组合集构建服务组合超图，实现对api服务的组合特征的有效建模，超图是一种特殊的图数据结构，其中的边可以连接任意数量的节点；
6、步骤三：根据切比雪夫近似卷积的思想，设计超图卷积网络提取服务组合超图上的超图信号；然后，使用hg-pool池化方法对超图信号进行降维处理；
7、步骤四：利用预训练语言模型对api服务进行语义编码，得到语义嵌入向量，融合语义嵌入向量和超图信号，得到组合嵌入向量，最后，利用组合嵌入向量和超图信号计算api服务的推荐概率，得到推荐结果；预训练语言模型是深度学习中的一种自然语言处理方法，具有词向量编码功能。
8、进一步，所述步骤一的过程如下：
9、1.1云计算数据：在云计算环境下，用户与api服务之间的调用数据，包括api服务、服务调用序列、服务组合；
10、1.2api服务：应用程序接口(applicationprogramminginterface，api)使用符号a表示；
11、1.3服务调用序列：按时间顺序对用户的api服务调用记录进行排序，排序结果称为服务调用序列，使用符号s表示；
12、1.4服务组合：两种或两种以上api服务进行组合、混搭，构建出具有新功能的api服务，用符号mu表示；
13、1.5挖掘服务组合关系，构建序列组合集：遍历服务调用序列，按照服务组合关系抽取api服务。从服务调用序列中抽取得到具有服务组合关系的api服务集合定义为序列组合项，用符号m表示，将所有的序列组合项构成的集合定义为序列组合集，用符号m表示。
14、优选的，所述1.5中，构建序列组合集的过程如下：
15、1.5.1定义序列组合集m，并初始化为空集合；
16、1.5.2遍历云计算数据中的所有服务组合，将第i次取到的服务调用记录记为mui；
17、1.5.3定义序列组合项m，并初始化为空集合；
18、1.5.4遍历mui中的api服务，将第k次取到的api服务记为ak；
19、1.5.5遍历服务调用序列s，将第j次取到的服务调用记录记为sj；
20、1.5.6将服务调用记录中的api服务用符号aj表示；
21、1.5.7若aj和ak相等，则将ak并入序列组合项m；否则，跳转至步骤1.5.5；
22、1.5.8当sj为服务调用序列中的最后一项服务调用记录时，结束遍历；
23、1.5.9当ak为mui中的最后一项api服务时，结束遍历；
24、1.5.10将m并入m；
25、1.5.11当mui为云计算数据中的最后一项服务组合时，结束遍历；
26、1.5.12输出序列组合集m。
27、再进一步，所述步骤二的过程如下：
28、2.1构建服务组合超图的超点集：对服务组合和服务调用序列进行集合运算，
29、取两者的交集，将交集转化为服务组合超图中的超点，并将其加入超点集；
30、服务组合超图的超点集构建过程如下：
31、2.1.1创建超点集v，将其初始化为空集合；
32、2.1.2遍历云计算数据中的所有服务组合，将第i次取到的服务调用记录记为mui；
33、2.1.3将mui中所有的api服务记为集合mseti；
34、2.1.4将服务调用序列中所有的api服务记为集合sset：
35、2.1.5对sset和mseti进行集合运算，取两者的交集，用符号nseti表示；
36、2.1.6遍历nseti，将集合中第j项api服务记为aj；
37、2.1.7若超点集v中不存在下标为j的超点vj，则创建超点vj将其加入v；
38、2.1.8若v中存在vj，则跳转至步骤2.1.6；
39、2.本文档来自技高网...
【技术保护点】
1.一种基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤一的过程如下：
3.如权利要求2所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤1.5中，构建序列组合集的过程如下：
4.如权利要求1～3之一所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤二的过程如下：
5.如权利要求1～3之一所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤三的过程如下：
6.如权利要求5所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤四的过程如下：
7.如权利要求6所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述4.1中，语义嵌入向量的编码过程如下：
8.如权利要求6所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述4.3中，计算推荐概率并进行推荐的过程如下：
【技术特征摘要】
1.一种基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤一的过程如下：
3.如权利要求2所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤1.5中，构建序列组合集的过程如下：
4.如权利要求1～3之一所述的基于服务组合超图卷积网络的云计算数据推荐方法，其特征在于，所述步骤二的过程如下：
5.如权利要...
【专利技术属性】
技术研发人员：陆佳炜，李端倪，王琪冰，肖刚，程振波，徐俊，王策策，蔡万闯，
申请(专利权)人：中国计量大学，
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。