[发明专利]一种基于知识图谱的服务发现方法

说明书

本发明公开了一种基于知识图谱的服务发现方法，所述服务发现方法包括以下步骤：步骤一：对用户输入的自然语言进行处理；步骤二：根据用户问题使用朴素贝叶斯法对用户请求的意图进行分类；步骤三：基于LSTM的Graph LSTM神经网络架构进行服务实体识别；步骤四：构建查询模板；步骤五：通过两种相似度算法结合来确定最满足要求的服务。

技术领域

本发明涉及web服务技术领域，特别是涉及基于知识图谱的服务发现方法。

背景技术

随着互联网的快速发展，Web服务数量出现爆炸性增长，类型也越来越繁多，同时web服务网络环境也越来越复杂，这使得Web服务发现所面临的挑战越来越严峻。服务，就是可以满足用户的特定需求的应用程序。服务发现是用户通过对目标服务的功能约束，采用服务发现方法自动从服务集合中搜索到满足用户需求和约束的服务。

因此希望有一种基于知识图谱的服务发现方法能够解决现有技术中存在的问题。

发明内容

本发明公开了一种基于知识图谱的服务发现方法,所述服务发现方法包括以下步骤：

步骤一：对用户输入的自然语言进行处理；

步骤二：根据用户问题使用朴素贝叶斯法对用户请求的意图进行分类；

步骤三：基于LSTM的Graph LSTM神经网络架构进行服务实体识别；

步骤四：构建查询模板；

步骤五：通过两种相似度算法结合来确定最满足要求的服务。

优选地，所述步骤一采用jieba分词工具对所述用户输入的自然语言进行分词，利用word2vec工具训练维基语料完成将自然语言转换成词向量，生成的词向量为200维，根据上下5个词，采用skip-gram的方法生成向量。

优选地,所述步骤二中朴素贝叶斯法对所述用户意图进行分类，设有样本数据集A＝{a₁,a₂,a₃,...,a_n},对应样本数据集的特征属性集为X＝{x₁,x₂,x₃,...,x_n},类变量为Y＝{y₁,y₂,y₃,...,y_m},即A可以分为m个类别，公式(1)如下：

其中,P(Y)为先验概率,P(Y|X)为后验概率；

朴素贝叶斯各特征之间相互独立，在给定类别为的情况下，公式(1)进一步表示为公式(2)：

根据公式(1)和(2)计算出后验概率，如公式(3)所示：

由此可得类别y_k的朴素贝叶斯计算，如公式(4)所示：

对于给出的待分类元素项，求解在此元素项出现的条件下各个类别出现概率，根据概率数值大小判断待分类项属于的类别，如公式(5)所示：

P(y_k|x)＝max{P(y₁|x),P(y₂|x),...,P(y_m|x)} (5)

如果P(y_k|x₁,x₂,...,x_d)最大，则X属于y_k类别。