【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种基于深度学习的数据接口价值评价方法。
技术介绍
1、数据接口价值评价方法，即针对数据接口价值评级，是对系统中不同的数据接口的价值进行分析、处理、归类的过程。
2、随着企业信息化程度逐渐提升，企业中的业务系统、数据中台等系统往往会提供大量的数据接口，供企业内外调用。随着系统提供的数据接口的增多，维护数据接口的成本日益提升，这就要求能够对数据接口的价值进行自动化判断，从而优化成本，将资源向有价值的接口倾斜。但是对着系统提供的数据接口数量大量提升，判定接口的价值越来越难，所以数据接口价值评价技术越来越受到重视。数据接口价值评价是数据中台建设和数据服务建设中的一项重要工作，主要用于接口价值维护、优化数据维护成本、降低数据运维难度等方面，对于企业数据中台建设和数据资源共享发挥着至关重要的作用。
3、随着数据接口的形式日益复杂，数量日益增多，传统的数据接口价值评价方法，即手工规则书写方法以及传统机器学习方法，越来越不能满足日益增长的效率要求。
4、传统的规则判别方法利用手工进行规...
【技术保护点】
1.一种基于深度学习的数据接口价值评价方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，步骤(1)中，制定一个特征向量表，特征向量表中包含数据接口访问状态的特征及特征对应的取值，该取值为离散的整数特征值，并且将特定的数据接口访问状态的特征通过所述特征向量表编码成特征向量；每一个特征向量都被赋予该离散的整数特征值；最终，每一个时刻的数据接口访问状态特征通过特征向量表被编码成一个固定长度的特征向量{x1,x2,x3..,xn}，其中n为特征向量的维度。
3.如权利要求2所述的方法，其特征在于，步骤(2)中，首先把每个数据接口...
【技术特征摘要】
1.一种基于深度学习的数据接口价值评价方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，步骤(1)中，制定一个特征向量表，特征向量表中包含数据接口访问状态的特征及特征对应的取值，该取值为离散的整数特征值，并且将特定的数据接口访问状态的特征通过所述特征向量表编码成特征向量；每一个特征向量都被赋予该离散的整数特征值；最终，每一个时刻的数据接口访问状态特征通过特征向量表被编码成一个固定长度的特征向量{x1,x2,x3..,xn}，其中n为特征向量的维度。
3.如权利要求2所述的方法，其特征在于，步骤(2)中，首先把每个数据接口访问状态的特征向量{x1,x2,x3..,xn}输入到一个深度学习模型中，该深度学习模型具有全连接的节点结构，该深度学习模型的维度结构为n-l1-l2-l3-m，其中n为特征向量｛x1,x2,x3..,xn}的维度，m为输出的分析判别向量的维度m,l1,l2,l3为深度学习模型的中间维度，数据接口访问状态的特征向量｛x1,x2,x3..,xn}输入到深度学习模型计算后，得到一个m维的输出向量{a1,a2,a3,…am}，该输出向量经过softmax归一化后，输出...
【专利技术属性】
技术研发人员：钱丰，刘鹏，方志，韦明韬，路斌，孙渊博，冯帆，吴金凤，
申请(专利权)人：北京计算机技术及应用研究所，
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。