基于多任务学习的Web服务包推荐方法、系统、介质及设备技术方案

本发明专利技术公开了一种基于多任务学习的Web服务包推荐方法、系统、介质及设备。本发明专利技术针对多粒度的服务推荐场景，通过历史Mashup与Web API的调用记录构建可重用服务包并学习其组合语义，通过语义特征提取组件和特征交互组件将基于内容和基于历史调用的模型进行融合，并构建多任务学习框架进行服务包推荐。相比于传统的单一Web API服务推荐，本发明专利技术可增加任务处理数量，解决多个Web API服务组成的服务包语义提取问题，能提高开发人员的开发效率，能够准确且高效地提供一系列Web API服务。

【技术实现步骤摘要】

本专利技术属于web服务推荐领域，针对mashup开发过程中，需要web api服务组合调用以实现功能需求的问题，提出一种基于多任务学习的服务包推荐方法。

技术介绍

1、mashup开发是一种以开发人员为中心的技术，它可以将不同的web api服务组合在一起，以创建具有更全面功能的web应用程序。如今越来越多的互联网公司都在为开发人员提供web api服务，使得开发变得容易和高效。

2、随着互联网快速的发展和用户需求的多样化，发布到互联网上的web api服务也迅速增加。面对大量的web api服务，既要考虑到用户的需求，又要考虑web api服务在代码底层是否兼容等问题，兼顾多种因素才能更好地为开发人员进行推荐。传统的推荐算法主要关注单一任务，会造成效率低下、准确度低的问题。web api服务包推荐则需要同时考虑多个相关任务，使用多任务学习，能够高效地为用户提供更全面、精准的服务。

3、现有的推荐算法如基于内容的推荐、协同过滤、深度学习等方法尽管能够帮助用户发现有用的服务，但它们不能解决具有重复功能的服务如何选取，并且很少考虑到服本文档来自技高网...

【技术保护点】

1.一种基于多任务学习的Web服务包推荐方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于多任务学习的Web服务包推荐方法，其特征在于，所述S1中，针对Mashup数据集中每个Mashup，利用经过训练的逻辑回归分类器识别该Mashup的功能描述文本中的基本话语单元边界，进而将该Mashup的功能描述文本划分为一系列基本话语单元，然后再对每个基本话语单元进行LDA主题建模，获得每个基本话语单元的主题分布向量作为其第一功能语义向量；同时，对于该Mashup中每个Web API的功能描述文本也进行LDA主题建模，获得的主题分布向量作为对应Web API的第二功能语义向量...

【技术特征摘要】

1.一种基于多任务学习的web服务包推荐方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于多任务学习的web服务包推荐方法，其特征在于，所述s1中，针对mashup数据集中每个mashup，利用经过训练的逻辑回归分类器识别该mashup的功能描述文本中的基本话语单元边界，进而将该mashup的功能描述文本划分为一系列基本话语单元，然后再对每个基本话语单元进行lda主题建模，获得每个基本话语单元的主题分布向量作为其第一功能语义向量；同时，对于该mashup中每个web api的功能描述文本也进行lda主题建模，获得的主题分布向量作为对应web api的第二功能语义向量。

3.如权利要求1所述的基于多任务学习的web服务包推荐方法，其特征在于，所述s2中，针对mashup数据集中的每个mashup，将其历史调用的web api集合划分为一系列服务包，进而构成该mashup对应的服务包集合，其中每个服务包至少包含1个web api；最终将所有mashup对应的服务包集合汇聚后，对重复的服务包进行去重，形成服务包存储库。

4.如权利要求1所述的基于多任务学习的web服务包推荐方法，其特征在于，所述s3中，一个基本话语单元与一个服务包的功能语义相似度计算方法为：遍历这个服务包中每个web api，将这个基本话语单元的第一功能语义向量与每个web api的第二功能语义向量计算相似度，然后取相似度的最大值作为这个基本话语单元与这个服务包的功能语义相似度。

5.如权利要求1所述的基于多任务学习的web服务包推荐方法，其特征在于，所述s3...

【专利技术属性】
技术研发人员：李中阳，俞东进，孙笑笑，胡学友，侯亚瑜，黄明，韩淳，陈鑫，王玮玮，
申请(专利权)人：浙江苍南仪表集团股份有限公司，
类型：发明
国别省市：