申请/专利权人：西安电子科技大学

申请日：2024-01-02

公开（公告）日：2024-04-26

公开（公告）号：CN117493697B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F40/30;G06N3/044;G06N3/048;G06N3/08;G06F8/70;G06F16/33;G06F16/35;G06F18/24;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明公开了一种基于多模态特征融合的WebAPI推荐方法和系统。通过使用深度学习网络处理混搭服务的文本描述，得到混搭服务的文本特征向量，使用神经协同过滤网络处理混搭服务与WebAPI的历史调用记录，得到混搭服务的交互特征向量，再融合混搭服务的文本特征向量和交互特征向量，得到混搭服务的预测向量，计算预测向量得到WebAPI预测值；根据历史调用记录，以最小化预测值与实际值的差距为目的对模型进行训练。将预开发的混搭服务输入到训练的模型，得到推荐的WebAPI预测值，根据预测值大小对候选WebAPI排序作为推荐结果。本发明融合了混搭服务的多种特征，有效整合了各种模态的互补信息，提高了推荐WebAPI的准确性。

主权项：1.一种基于多模态特征融合的WebAPI推荐方法，应用于交互式混搭服务开发场景，其特征在于，方法包括：输入预开发的混搭服务到推荐模型，基于推荐模型输出的调用WebAPI的预测值对候选WebAPI进行排序，得到WebAPI的推荐结果；其中，所述推荐模型利用混搭服务的文本描述及混搭服务与WebAPI的历史调用记录，通过以下方法，以最小化混搭服务调用WebAPI的预测值和实际值之间的差距为目的训练得到：使用深度学习网络处理混搭服务的文本描述，得到混搭服务的文本特征向量；使用神经协同过滤网络处理混搭服务与WebAPI的历史调用记录，得到混搭服务的交互特征向量；使用神经协同过滤网络处理混搭服务与WebAPI的历史调用记录时，将混搭服务与WebAPI的历史调用记录表示为混搭服务-WebAPI交互矩阵形式作为神经协同过滤网络的输入；交互特征向量的计算方法为：，，其中，为隐函数，表示函数的模型参数，和分别表示混搭服务和WebAPI的隐向量矩阵,和分别表示混搭服务和WebAPI的数目，为隐向量的维度，和分别表示混搭服务和WebAPI的隐向量，和分别表示输出层和第个神经协同过滤层的映射函数；融合混搭服务的文本特征向量和交互特征向量，得到混搭服务的预测向量，包括：采用加权平均法融合混搭服务的文本特征向量和交互特征向量，并使用投影梯度下降法更新文本特征向量和交互特征向量的权重，以确定的最终权重下的融合特征向量作为混搭服务的预测向量；基于混搭服务的预测向量计算混搭服务调用WebAPI的预测值。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于多模态特征融合的Web API推荐方法和系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD