[發明專利]一種制造云服務推薦生成方法及系統

在審

• 申請號: 202211320693.3
• 申請日: 2022-10-26
• 公開（公告）號: CN115687569A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 黃沈權;王玉潔;龍安;朱曉輝;陳亞絨;田媛慧;于魯川
• 申請（專利權）人: 溫州大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/30;G06F18/23213;G06F18/241;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

1.一種制造云服務推薦生成方法，其特征在于，所述方法包括以下步驟：

S1、獲取云平臺的各制造服務描述性信息及標簽信息；

S2、采用預設的含狄利克雷分布LDA主題模型，對各制造服務描述性信息進行向量化建模，得到各制造服務各自對應的p個潛在低維主題向量，并基于每一個潛在低維主題向量均通過Word2vec映射為q維詞向量的擴充規則，得到各制造服務的p個潛在低維主題向量擴充的p×q維服務主題詞的詞向量，進一步輸入到預設的卷積神經網絡中學習制造服務深度特征，得到制造服務深層特征的輸出向量，且根據所得到的制造服務深層特征的輸出向量，通過基于深度特征相似度計算，得到制造服務相似度矩陣；

S3、采用改進的K-Means聚類算法，將各制造服務標簽信息聚類得到制造服務類別，并根據所得的制造服務類別，確定用戶類別矩陣模型和服務類別矩陣模型，且進一步得到用戶類別矩陣模型系數和服務類別矩陣模型系數，以構建出用戶偏好矩陣；

S4、將所述制造服務相似度矩陣與所述用戶偏好矩陣進行結合，得到制造服務推薦列表。

2.如權利要求1所述的制造云服務推薦生成方法，其特征在于，所述步驟S2具體包括：

將各制造服務描述性信息經過預處理后，輸入LDA主題模型中，得到各制造服務各自對應的p個潛在低維主題向量；

通過Word2vec訓練出制造服務描述性信息語料庫的詞向量模型，并采用訓練的詞向量模型，將每一個潛在低維主題向量均擴充為q維的服務主題詞的詞向量，以得到各制造服務的p個潛在低維主題向量擴充的p×q維服務主題詞的詞向量；

將各制造服務的p×q維服務主題詞的詞向量輸入卷積神經網絡中學習制造服務深度特征，得到各制造服務描述性信息的一維特征向量，并根據各制造服務描述性信息的一維特征向量，形成制造服務深層特征的輸出向量；

通過余弦相似度計算來計算所述制造服務深層特征的輸出向量中兩兩向量之間的相似性，以得到兩兩制造服務之間的相似度，并基于兩兩制造服務之間的相似度，得到所述制造服務相似度矩陣。

3.如權利要求2所述的制造云服務推薦生成方法，其特征在于，通過公式得到各制造服務之間的相似度系數；其中，sim(a_i,a_j)為制造服務a_i和a_j的相似度；c_ij為制造服務特征向量中的制造服務i第j個維度的向量；N為維數，其值等于制造服務的總數n。

4.如權利要求3所述的制造云服務推薦生成方法，其特征在于，所述制造服務間的相似度矩陣為n×n維。

5.如權利要求1所述的制造云服務推薦生成方法，其特征在于，所述步驟S3具體包括：

采用改進的K-Means聚類算法，將各制造服務標簽信息聚類得到制造服務類別；

根據所得的制造服務類別，確定用戶類別矩陣模型和服務類別矩陣模型，且進一步根據所述用戶類別矩陣模型和所述服務類別矩陣模型，得到用戶類別矩陣模型系數和服務類別矩陣模型系數；

根據所得到的用戶類別矩陣模型系數和服務類別矩陣模型系數，構建所述用戶偏好矩陣。