-
公开(公告)号:CN119484625B
公开(公告)日:2025-04-04
申请号:CN202510060709.9
申请日:2025-01-15
IPC: H04L67/51 , H04L67/306 , H04L67/1396 , G06F16/9535 , G06F18/23213 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于图注意卷积网络和图池化的Web服务推荐方法,属于服务计算领域,首先基于双塔模型构建服务网络图,并从中分化出焦点服务;其次,在图卷积过程中提出双级感知自注意力机制,在聚类感知自注意力机制中控制源节点向目标节点聚合的信息量,在查询感知自注意力机制中控制目标节点接收源节点发送的信息量;然后采用异构节点粗化策略为核心的图池化方法进一步提取服务信息;最后,将焦点服务的动态表示、图级表示以及目标服务进行拼接并学习组合嵌入表示,在预测层中预测下一时刻目标服务与用户交互的概率。本发明有效提升服务网络图的构建质量,提升服务嵌入聚合质量并提升服务推荐准确性。
-
公开(公告)号:CN119484625A
公开(公告)日:2025-02-18
申请号:CN202510060709.9
申请日:2025-01-15
IPC: H04L67/51 , H04L67/306 , H04L67/1396 , G06F16/9535 , G06F18/23213 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 一种基于图注意卷积网络和图池化的Web服务推荐方法,属于服务计算领域,首先基于双塔模型构建服务网络图,并从中分化出焦点服务;其次,在图卷积过程中提出双级感知自注意力机制,在聚类感知自注意力机制中控制源节点向目标节点聚合的信息量,在查询感知自注意力机制中控制目标节点接收源节点发送的信息量;然后采用异构节点粗化策略为核心的图池化方法进一步提取服务信息;最后,将焦点服务的动态表示、图级表示以及目标服务进行拼接并学习组合嵌入表示,在预测层中预测下一时刻目标服务与用户交互的概率。本发明有效提升服务网络图的构建质量,提升服务嵌入聚合质量并提升服务推荐准确性。
-
公开(公告)号:CN119917742A
公开(公告)日:2025-05-02
申请号:CN202510063199.0
申请日:2025-01-15
Applicant: 中国计量大学
IPC: G06F16/9535 , G06F18/213 , G06F18/22 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/042
Abstract: 一种基于双塔模型的序列感知服务推荐方法,包括以下步骤:步骤1:创建服务数据集,获取服务交互数据,利用双塔模型构建服务网络图;步骤2:针对服务网络图中的图结构,设计查询感知自注意力机制聚合服务嵌入向量,利用图卷积网络进行服务特征提取;步骤3:利用图粗化为核心的图池化进一步提取重要服务信息;步骤4:捕捉动态变化的焦点服务以及进行图级表示读出,根据焦点服务表示和图级表示读出得到最终的输出嵌入,进而获得目标服务与用户交互的概率。本发明实现服务网络图的构建,有效聚合服务嵌入,提升服务推荐准确性。
-
-