[发明专利]一种基于RGPS元模型的按需服务聚合及其推荐方法

说明书

为了解决“互联网+”的应用服务聚合与推荐机制中服务数量剧增、服务组织的无序化和用户需求呈现的多样化问题，通过将角色(Role)‑目标(Goal)‑流程(Process)‑服务(Service)需求元模型的语义关联，满足用户的个性化需求的服务。本发明公开了一种基于RGPS元模型的按需服务聚合及其推荐方法，提出基于RGPS关联网络中面向角色和目标反推的、采用LSTM神经网络对潜在服务的个性化推荐方法，通过“旅行”领域的服务推荐仿真实验，根据QoS阈值作为服务筛选器，来提高方法的精准性及有效性，具有实际的应用价值。

技术领域

本发明属于计算机技术领域，具体涉及RGPS元模型的按需服务聚合及其推荐方法。

背景技术

“互联网+”概念和定制化服务的兴起，使得组成互联网的web服务呈现分布式、模块化、自描述等特点。同时，互联网上的用户需求趋于个性化、复杂化的特点，因此服务与用户的需求精准匹配问题会变得更加重要。但Web服务在实际推荐中出现了用户需求多变、业务流程复杂，服务资源无法适应其变化等问题，导致服务推荐变得困难。现有的软件工程技术还没有充分研究此问题，由此可见一种能适合用户需求个性化的治理与管理方法已成为服务聚合与服务推荐领域的研究热点和进一步发展的重要方向。

发明内容

本发明针对现有技术的不足，提供一种基于RGPS元模型的按需服务聚合及其推荐方法。

本发明采用以下的技术方案：

1.一种基于RGPS元模型的按需服务聚合及其推荐方法，其特征在于，包含以下步骤：

步骤1，根据具体领域问题中涉及的目标集合，首先加入与特定目标Association_SDI关系的角色以及两者之间的关联，然后添加角色与角色及目标之间的关系，分别抽取本体(O)、角色与目标模型(RG)、过程模型(P)和服务模型(S)的公共核心元数据和管理信息，为不同类型的模型构建了相应的SDI，以促进异构信息模型的跨域或跨系统查询以及多粒度的复用；

步骤2，根据采用步骤1所得不同类型的模型构建了相应的SDI，实现方式如下，

给出了用户需求驱动的RGPS关联网络生成步骤，其中对服务的评价(QoS值)，若时，表示用户对服务的满意度在最低QoS阈值之上，说明角色反推的服务满足用户的需求，则连接服务与角色节点之间的带权边；同理若时，表示用户对服务的满意度在最低QoS阈值之上，说明目标反推的服务满足用户的需求，则连接服务与目标节点之间的带权边；

步骤3，利用R和G反推服务的途径，结合LSTM神经网络模型，来解析用户需求并推荐相关的潜在服务，因此可以为用户推荐新的即时服务。

2、根据权利要求书1所述一种基于RGPS元模型的按需服务聚合及其推荐方法，其特征在于：在步骤2中，给出了用户需求驱动的RGPS关联网络生成步骤，其中对服务的评价(QoS值)，若时，表示用户对服务的满意度在最低QoS阈值之上，说明角色反推的服务满足用户的需求，则连接服务与角色节点之间的带权边；同理若时，表示用户对服务的满意度在最低QoS阈值之上，说明目标反推的服务满足用户的需求，则连接服务与目标节点之间的带权边；通过这种反馈修正机制对RGPS关联网络进行不断地修改，从而找出能够很好符合用户需要的相关服务并能够对搜索出的服务集合进行排序，为服务的定制化推荐提供了科学的依据。

3、根据权利要求书1所述一种基于RGPS元模型的按需服务聚合及其推荐方法，其特征在于：采用有向图模型来表达聚合的服务，其关键点是如何从需求中获得准确的RGPS元素，即利用LSTM神经网络对需求进行分析建模。

LSTM神经网络处理服务推荐的核心思想：LSTM的核心是“细胞状态(cell state)”它的功能就是整个模型中的记忆空间，它随着时间而变化，记忆空间无法控制哪些用户的需求信息是否被记忆，所以真正起控制作用的是控制门。