基于服务互补关系学习模型的RESTful服务二次推荐方法技术

一种基于服务互补关系学习模型的RESTful服务二次推荐方法，首先建立了一种服务互补关系学习模型，并设置了服务互补关系规则；在此基础上，提取初始服务互补关系，使用服务功能相似信息对初始服务互补关系进行拓展，并构建互补关系图结构；其次，结合掩码图注意力机制在互补关系图结构上进行表示学习，得到RESTful服务和服务功能的嵌入向量。然后，计算嵌入向量之间的距离，并利用合页损失函数缩小具有互补关系的嵌入向量之间的距离；最后，根据用户输入，找出具有互补关系的RESTful服务，进行二次服务推荐。本发明专利技术充分挖掘RESTful服务之间的互补关系，提高服务推荐的精确度与效率。

【技术实现步骤摘要】

本专利技术涉及一种基于服务互补关系学习模型的restful服务二次推荐方法。

技术介绍

1、随着软件即服务(saas，software-as-a-service)模式的发展，越来越多的企业和组织将业务、数据与资源封装为服务，以web api的形式发布在互联网上，web服务的数量呈倍增趋势。作为一种轻量化的web服务类型，restful服务凭借资源导向、结构清晰、拓展性强等特点，在互联网中得到了广泛的运用。以国内的云服务企业为例，阿里云、腾讯云、天翼云等企业均采用restful服务作为主要形式，向用户提供数据与计算资源。

2、restful服务数量的与日俱增，以及具有相似功能的restful服务不断涌现导致发现并选择高质量的服务成为一个难题。在此背景下，服务推荐技术受到了广泛的关注。

3、现有的服务推荐技术主要包括基于协同过滤的服务推荐技术、基于主题模型的服务推荐技术以及基于服务质量的服务推荐技术等。

4、基于协同过滤的服务推荐技术主要通过用户相似度、服务相似度等信息向用户推荐功能相近的服务。例如，专利号为20171021本文档来自技高网...

【技术保护点】

1.一种基于服务互补关系学习模型的RESTful服务二次推荐方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于服务互补关系学习模型的RESTful服务二次推荐方法，其特征在于，所述步骤1.2中，服务调用数据集包含以下信息：

3.如权利要求1或2所述的基于服务互补关系学习模型的RESTful服务二次推荐方法，其特征在于，所述步骤1.3中，服务互补关系规则包含以下信息：

4.如权利要求1或2所述的基于服务互补关系学习模型的RESTful服务二次推荐方法，其特征在于所述步骤1.4中，初始服务互补关系的提取过程如下：>

5.如权利要...

【技术特征摘要】

1.一种基于服务互补关系学习模型的restful服务二次推荐方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于服务互补关系学习模型的restful服务二次推荐方法，其特征在于，所述步骤1.2中，服务调用数据集包含以下信息：

3.如权利要求1或2所述的基于服务互补关系学习模型的restful服务二次推荐方法，其特征在于，所述步骤1.3中，服务互补关系规则包含以下信息：

4.如权利要求1或2所述的基于服务互补关系学习模型的restful服务二次推荐方法，其特征在于所述步骤1.4中，初始服务互补关系的提取过程如下：

5.如权利要求1或2所述的基于服务互补关系学习模型的restful服务二次推荐方法，其特征在于，所述步骤2.1中，服务功能相似信息包含以下内容：

6.如权利要求1或2所...

【专利技术属性】
技术研发人员：陆佳炜，李端倪，徐良忠，蔡耘，张晓烨，肖刚，宋俊峰，郑嘉弘，蔡万闯，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：