公开(公告)号：CN117009674A

公开(公告)日：2023-11-07

申请号：CN202310822440.4

申请日：2023-07-05

Applicant: 中国计量大学

Inventor： 陆佳炜 ,  郑嘉弘 ,  肖刚 ,  王琪冰 ,  程振波 ,  张旭东 ,  王策策

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/0895 ,  G06N3/045

Abstract: 一种融合数据增强和对比学习的云原生API推荐方法，首先基于服务信息双图结构以包含服务信息，并设计了一种互注意力机制来计算各层信息的重要程度。提出了基于功能相似度的序列信息数据优化方法与基于两部分信息的服务间相似度计算方法；在此基础上，利用对比学习的思想，对服务调用序列进行数据增强，形成增强序列对；通过将计算对比损失函数与成对推荐损失函数进行结合，对整体模型进行优化，从而提升服务推荐模型效果；根据服务的特征嵌入表示结果，计算成对推荐分数，完成服务推荐。本发明更好地对服务功能特征进行学习，提升了服务推荐效果。

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

Applicant: 中国计量大学 ,  浙江工业大学

Inventor： 肖刚 ,  王策策 ,  肖钟丞 ,  陆佳炜 ,  朱妍 ,  李琛

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

Applicant: 中国计量大学 ,  浙江工业大学

Inventor： 肖刚 ,  王策策 ,  肖钟丞 ,  陆佳炜 ,  朱妍 ,  李琛

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

Inventor： 陆佳炜 ,  王策策 ,  肖刚 ,  王琪冰 ,  朱妍 ,  李琛

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。

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

Applicant: 中国计量大学 ,  浙江工业大学

Inventor： 陆佳炜 ,  李端倪 ,  王琪冰 ,  肖刚 ,  程振波 ,  徐俊 ,  王策策 ,  蔡万闯

IPC: G06F16/9535 ,  G06N3/0464 ,  G06F18/213 ,  G06F17/16

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。