申请/专利权人:上海应用技术大学
申请日:2023-11-24
公开(公告)日:2024-04-12
公开(公告)号:CN117874325A
主分类号:G06F16/9535
分类号:G06F16/9535;G06F16/951;G06F40/216;G06F17/16;G06N5/022;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于知识图谱和LDA模型的推荐方法及系统,涉及个性化推荐技术领域,包括从互联网上爬取Web服务数据;处理初始数据集,构建Web服务知识图谱生成器,生成特定的三元组数据;初始化每个实体的特征向量,通过反复训练得到各个实体的学习表征向量;通过LDA算法模型计算得到主题分布向量;通过特征融合器得到最终的Mashup特征向量和API特征向量;融合Mashup特征向量和API特征向量,采用内积运算得到交互概率矩阵,更新矩阵。本发明整合了Web服务中相对完整的可利用信息,构建了一个包含完整信息的知识图谱,解决了数据稀疏的问题。利用LDA主题模型算法挖掘Mashup和API描述信息中潜在的联系,解决了冷启动等问题,提高了推荐结果的准确性。
主权项:1.一种基于知识图谱和LDA模型的推荐方法,其特征在于:包括,使用爬虫技术从互联网上爬取Web服务数据;处理初始数据集,构建Web服务知识图谱生成器,生成特定的三元组数据;初始化每个实体的特征向量,通过反复训练初始化向量得到各个实体的学习表征向量;根据描述文档信息,通过LDA算法模型计算得到主题分布向量;根据学习表征向量和主题分布向量通过特征融合器得到最终的Mashup特征向量和API特征向量;融合Mashup特征向量和API特征向量,采用内积运算得到交互概率矩阵,更新矩阵,若元素值为1则推荐,为0则不推荐。
全文数据:
权利要求:
百度查询: 上海应用技术大学 一种基于知识图谱和LDA模型的推荐方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。