[发明专利]融合多通道语义信息与标签协作的Web服务类别标签推荐方法

说明书

本发明公开一种融合多通道语义信息与标签协作的Web服务类别标签推荐方法，通过爬取Web服务，对Web服务描述进行数据清洗，采用RoBERTa与CNN获取多通道特征词语义信息，并建立带有快速规则近似注意力机制的全局语义提取模型，采用多层次语义特征融合机制得到Web服务功能向量；另外构建服务标签协作关联图，设计融合标签组合流行度的有偏随机游走策略，并建立融合边权计算注意力的图注意力网络LCGAT，输出最终的标签协作向量；融合服务功能向量和标签协作向量，在sigmoid分类器的输出得分中融入标签协作向量判定得分，兼顾Web服务功能相似性、标签组合之间的协作兼容性，提高了类别推荐质量的同时降低了推荐的复杂度。

技术领域

本发明属于云计算领域，具体涉及一种融合多通道语义信息与标签协作的Web服务类别标签推荐方法。

背景技术

随着云计算、物联网、移动互联网等新一代信息技术成熟，面向服务架构开发和部署的软件得到大规模的推广与应用。越来越多的企业将计算资源或业务功能封装为Web服务发布在各类网络平台，使得互联网中的Web服务的数量迅速增加。通过对已有Web服务的重用和集成可以有效缩短业务系统开发的周期，降低开发成本，便于拓展企业的业务范畴。

开发者通常使用功能关键词来搜寻互联网上满足需求的Web服务。目前，在知名Web服务注册平台ProgrammableWeb中已有超过25000余个在册Web服务，涵盖超过500个应用类型。面对数量规模庞大、种类繁杂的Web服务，类别标签对于服务的存储组织和发现至关重要。Web服务多采用自然语言短文本描述服务功能，提供了一个或多个类别标签来标示服务的功能范畴。合理的类别标签有利于提高Web服务的发现效率和准确度。此外，类别标签也是服务注册中心组织和存储Web服务的主要依据，合理的类别标签有利于Web服务的分类管理。因此，对于新发布的Web服务，为它们赋予合理的类别标签，是提高服务发现效率和存储组织合理性的一个有效途径。

在为Web服务推荐类别标签时，需要根据它的功能描述给出一个或多个功能类别。Web服务类别标签推荐在大范畴上隶属于文本的多标签分类问题，目前，主流的多标签推荐方法通常采用主题模型或神经网络模型，为服务功能描述生成服务功能向量，通过计算服务功能向量与标签向量的相似度来实现多标签类别的推荐。此外，类别标签之间的关联信息也慢慢被研究者所关注。现有技术方案中通过将服务标签序列化来研究标签间的结构依赖信息，并融合到类别推荐任务中。相关研究表明，充分挖掘标签间的关联规律可以提升Web服务的类别标签推荐精确度。由于服务类别标签之间是无序的，这种以标签序列辅助类别推荐的方法，容易引入标签之间的语义关联噪声，从而影响Web服务类别标签推荐的质量。

综上分析可知，Web服务类别标签推荐时存在以下几个影响服务标签推荐质量的技术难题：

1、服务描述文本的语义特征密度稀疏，现有方法和模型难以生成高质量的服务功能向量。Web服务的文本描述一般较为简短，文本特征密度低且不均衡。描述文本中特征词的粒度的大小不一。因此，使用传统主题模型与神经网络模型对低密度稀疏语义特征的提取完备性差，且难以对不同粒度的特征词进行语义的合理融合。

2、现有考虑标签协作的类别推荐方法中通常是按照标签序列组推荐，这种处理方式简化了类别推荐复杂度，但有悖于Web服务标签是无序的事实。在采样标签序列组推荐时，人为的加入了标签之间的序列依赖关系，引入不必要的语义关联噪声，造成模型难以合理与准确地提取标签协作关系，从而影响提升Web服务类别标签的推荐准确度。

3、现有方法在考虑标签协作时，未考虑协作强度和流行度问题。不区分协作次数和标签组合流行度，等权重的去处理所有的标签协作关联。这种处理方式，会降低一些高频组合标签的推荐机会，从而降低类别标签推荐的质量。

发明内容

本发明针对现有技术在生成服务功能向量时语义特征稀疏、完备性差等问题，提出一种融合多通道语义信息与标签协作的Web服务类别标签推荐方法，以为Web服务推荐合理的类别标签，提高服务发现效率和存储组织合理性。