[發(fā)明專利]原子服務(wù)組合優(yōu)化方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211275152.3
• 申請(qǐng)日: 2022-10-18
• 公開（公告）號(hào): CN115545162A
• 公開（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 卜曉璇;續(xù)倩;譚珂;徐云筱;馬嘉琪
• 申請(qǐng)（專利權(quán)）人: 中國(guó)銀行股份有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 李輝;樊一槿

1.一種原子服務(wù)組合優(yōu)化方法，其特征在于，所述方法包括：

對(duì)數(shù)據(jù)集中的原子服務(wù)進(jìn)行聚類，得到原子服務(wù)組合樣本集；

根據(jù)所述原子服務(wù)組合樣本集對(duì)預(yù)設(shè)組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練，得到經(jīng)過(guò)預(yù)訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型；

通過(guò)梯度下降算法對(duì)所述組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，并根據(jù)模型訓(xùn)練結(jié)果更新所述原子服務(wù)組合樣本集，直至經(jīng)過(guò)模型訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型滿足預(yù)設(shè)收斂條件。

2.根據(jù)權(quán)利要求1所述的原子服務(wù)組合優(yōu)化方法，其特征在于，所述對(duì)數(shù)據(jù)集中的原子服務(wù)進(jìn)行聚類，得到原子服務(wù)組合樣本集，包括：

根據(jù)功能類型不同對(duì)設(shè)定數(shù)據(jù)集中的各原子服務(wù)進(jìn)行聚類，生成待選擇優(yōu)化的抽象組合服務(wù)；

根據(jù)所述抽象組合服務(wù)，得到原子服務(wù)組合樣本集。

3.根據(jù)權(quán)利要求2所述的原子服務(wù)組合優(yōu)化方法，其特征在于，所述根據(jù)所述抽象組合服務(wù)，得到原子服務(wù)組合樣本集，包括：

根據(jù)所述抽象組合服務(wù)隨機(jī)生成多個(gè)不同的原子服務(wù)組合樣本；

根據(jù)預(yù)設(shè)樣本優(yōu)選規(guī)則從多個(gè)不同的原子組合樣本中選取設(shè)定數(shù)量的原子服務(wù)組合得到原子服務(wù)組合樣本集。

4.根據(jù)權(quán)利要求1所述的原子服務(wù)組合優(yōu)化方法，其特征在于，所述根據(jù)所述原子服務(wù)組合樣本集對(duì)預(yù)設(shè)組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練，得到經(jīng)過(guò)預(yù)訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型，包括：

根據(jù)所述原子服務(wù)組合樣本集對(duì)預(yù)設(shè)組合推薦神經(jīng)網(wǎng)絡(luò)進(jìn)行最大似然估計(jì)預(yù)訓(xùn)練，得到經(jīng)過(guò)預(yù)訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求1所述的原子服務(wù)組合優(yōu)化方法，其特征在于，所述通過(guò)梯度下降算法對(duì)所述組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，包括：

通過(guò)小批量梯度下降算法對(duì)所述組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，得到預(yù)測(cè)結(jié)果集。

6.根據(jù)權(quán)利要求5所述的原子服務(wù)組合優(yōu)化方法，其特征在于，所述根據(jù)模型訓(xùn)練結(jié)果更新所述原子服務(wù)組合樣本集，直至經(jīng)過(guò)模型訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型滿足預(yù)設(shè)收斂條件，包括：

計(jì)算所述預(yù)測(cè)結(jié)果集的服務(wù)質(zhì)量數(shù)值與預(yù)設(shè)服務(wù)質(zhì)量閾值的差值；

根據(jù)所述差值更新所述原子服務(wù)組合樣本集，直至經(jīng)過(guò)模型訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型滿足預(yù)設(shè)收斂條件。

7.一種原子服務(wù)組合優(yōu)化裝置，其特征在于，包括：

初始化模塊，用于對(duì)數(shù)據(jù)集中的原子服務(wù)進(jìn)行聚類，得到原子服務(wù)組合樣本集；

預(yù)訓(xùn)練模塊，用于根據(jù)所述原子服務(wù)組合樣本集對(duì)預(yù)設(shè)組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練，得到經(jīng)過(guò)預(yù)訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型；

強(qiáng)化學(xué)習(xí)模塊，用于通過(guò)梯度下降算法對(duì)所述組合推薦神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，并根據(jù)模型訓(xùn)練結(jié)果更新所述原子服務(wù)組合樣本集，直至經(jīng)過(guò)模型訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型滿足預(yù)設(shè)收斂條件。

8.根據(jù)權(quán)利要求7所述的原子服務(wù)組合優(yōu)化裝置，其特征在于，所述初始化模塊包括：

聚類單元，用于根據(jù)功能類型不同對(duì)設(shè)定數(shù)據(jù)集中的各原子服務(wù)進(jìn)行聚類，生成待選擇優(yōu)化的抽象組合服務(wù)；

樣本構(gòu)建單元，用于根據(jù)所述抽象組合服務(wù)，得到原子服務(wù)組合樣本集。

9.根據(jù)權(quán)利要求8所述的原子服務(wù)組合優(yōu)化裝置，其特征在于，所述樣本構(gòu)建單元包括：

隨機(jī)子單元，用于根據(jù)所述抽象組合服務(wù)隨機(jī)生成多個(gè)不同的原子服務(wù)組合樣本；

抽取子單元，用于根據(jù)預(yù)設(shè)樣本優(yōu)選規(guī)則從多個(gè)不同的原子組合樣本中選取設(shè)定數(shù)量的原子服務(wù)組合得到原子服務(wù)組合樣本集。

10.根據(jù)權(quán)利要求7所述的原子服務(wù)組合優(yōu)化裝置，其特征在于，所述預(yù)訓(xùn)練模塊包括：

最大似然估計(jì)單元，用于根據(jù)所述原子服務(wù)組合樣本集對(duì)預(yù)設(shè)組合推薦神經(jīng)網(wǎng)絡(luò)進(jìn)行最大似然估計(jì)預(yù)訓(xùn)練，得到經(jīng)過(guò)預(yù)訓(xùn)練后的組合推薦神經(jīng)網(wǎng)絡(luò)模型。