基于服务组合超图卷积网络的云计算数据推荐方法

    公开(公告)号:CN117370650A

    公开(公告)日:2024-01-09

    申请号:CN202311271535.8

    申请日:2023-09-28

    Abstract: 一种基于服务组合超图卷积网络的云计算数据推荐方法,挖掘云计算数据中的潜在服务组合关系,构建序列组合集;基于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;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;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。本发明关联度较高、降低计算复杂度和过拟合风险、提高推荐结果的精确度。

    基于图神经网络的RESTful服务推荐方法

    公开(公告)号:CN117009673A

    公开(公告)日:2023-11-07

    申请号:CN202310821888.4

    申请日:2023-07-05

    Abstract: 一种基于图神经网络的RESTful服务推荐方法,基于服务调用矩阵信息,构建Mashup服务与RESTful服务间的调用图结构MAIG;基于RESTful服务间的功能关联信息,构建RESTful服务间关联信息图结构ATCG;根据MAIG图结构,设计对应的图神经网络结构,获取Mashup组合服务与RESTful服务对应的特征表示;根据ATCG图结构,设计对应的图神经网络结构,获取该图结构下RESTful服务对应的特征表示;利用获得的特征表示,计算成对分数,并计算损失函数结果,对整体推荐模型进行优化;匹配用户请求,利用成对分数,排序并实现RESTful服务推荐。本发明提升了服务推荐效果。

    基于强化学习算法的工业机器人数字孪生模型自更新方法

    公开(公告)号:CN119670841A

    公开(公告)日:2025-03-21

    申请号:CN202411615700.1

    申请日:2024-11-13

    Abstract: 一种基于强化学习算法的工业机器人数字孪生模型自更新方法,包括以下步骤:第一步、通过传感器收集工业机器人的各项实时运动参数作为数字孪生模型的训练集,在迭代训练过程后得到最优控制策略;对工业机器人不同行为进行分类,并对采集过程中的数据做平衡处理;第二步、构建工业机器人数字孪生模型、构建数字孪生系统的四元组;第三步,基于DQ‑SAC算法的参数更新过程,在SAC算法的基础上中再增加一个Q值形成双Q网络,最终构成DQ‑SAC网络。本发明过优化控制策略来修正孪生模型的故障特征参数,实现模型的自更新。

Patent Agency Ranking