買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中國計量大學;浙江工業大學申請的專利基于圖注意卷積網絡和圖池化的Web服務推薦方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119484625B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510060709.9，技術領域涉及：H04L67/51；該發明授權基于圖注意卷積網絡和圖池化的Web服務推薦方法是由肖剛;王策策;肖鐘丞;陸佳煒;朱妍;李琛設計研發完成，并于2025-01-15向國家知識產權局提交的專利申請。

本基于圖注意卷積網絡和圖池化的Web服務推薦方法在說明書摘要公布了：一種基于圖注意卷積網絡和圖池化的Web服務推薦方法，屬于服務計算領域，首先基于雙塔模型構建服務網絡圖，并從中分化出焦點服務；其次，在圖卷積過程中提出雙級感知自注意力機制，在聚類感知自注意力機制中控制源節點向目標節點聚合的信息量，在查詢感知自注意力機制中控制目標節點接收源節點發送的信息量；然后采用異構節點粗化策略為核心的圖池化方法進一步提取服務信息；最后，將焦點服務的動態表示、圖級表示以及目標服務進行拼接并學習組合嵌入表示，在預測層中預測下一時刻目標服務與用戶交互的概率。本發明有效提升服務網絡圖的構建質量，提升服務嵌入聚合質量并提升服務推薦準確性。

本發明授權基于圖注意卷積網絡和圖池化的Web服務推薦方法在權利要求書中公布了：1.一種基于圖注意卷積網絡和圖池化的Web服務推薦方法，其特征在于，所述方法包括以下步驟：步驟1、創建服務數據集，獲取服務交互數據，利用雙塔模型構建服務網絡圖；步驟2、針對服務網絡圖中的圖結構，設計雙級感知自注意力機制聚合服務嵌入向量，利用圖卷積網絡進行服務特征提取；步驟3、利用異構節點圖粗化為核心的圖池化進一步提取重要服務信息，異構節點指服務網絡圖中存在多種類型的節點；步驟4、捕捉動態變化的焦點服務以及進行圖級表示讀出，焦點服務為服務網絡圖中連接密集的服務，代表用戶的主要需求，根據焦點服務表示和圖級表示讀出得到最終的輸出嵌入，進而獲得目標服務與用戶交互的概率；所述步驟1的過程如下：步驟（1.1）雙塔模型是一種深度學習框架，分別從兩個塔中學習兩個不同數據特征，然后度量兩個輸入數據之間的相似度；步驟（1.2）創建服務數據集，從相關網站爬取用戶信息和API服務，對收集到的結果進行分析整理，得到服務數據集，服務數據集包含以下信息：步驟（1.2.1）用戶：調用API服務的開發者，用符號表示；步驟（1.2.2）API服務：一種允許不同軟件應用程序之間進行通信和數據交換的接口，是服務推薦中的推薦對象，用符號表示；步驟（1.3）構建交互序列集，從服務數據集中獲取用戶與服務在一個時間戳上的交互信息，構成一個交互序列，過程為：步驟（1.3.1）構建交互序列，用符號表示；步驟（1.3.2）遍歷服務數據集，用戶與服務之間存在交互行為，則將服務放入中；步驟（1.4）將交互序列按時間戳排序構成交互序列集，過程為：步驟（1.4.1）構建交互序列集，用符號表示；步驟（1.4.2）所有交互序列按照時間順序排列得到交互序列集；步驟（1.5）構建服務網絡圖，通過雙塔模型將交互序列集轉換為服務網絡圖；所述步驟（1.5）中，服務網絡圖的構建過程如下：步驟（1.5.1）定義服務網絡圖，用符號表示，的節點集用符號表示，的邊集用表示，鄰接矩陣用表示；步驟（1.5.2）將步驟（1.3.2）中的轉換為節點；步驟（1.5.3）將API服務節點輸入雙塔模型進行特征學習并利用多頭加權余弦相似度計算服務之間的相似性，然后在相似度的基礎上構建服務網絡圖；所述步驟2的過程如下：步驟（2.1）在圖卷積網絡中設計雙級感知自注意力機制，雙級感知自注意力機制的設計過程如下：步驟（2.1.1）雙級感知自注意力機制包括聚類感知自注意力機制和查詢感知自注意力機制；步驟（2.1.2）設計聚類感知自注意力機制，過程為：步驟（2.1.2.1）假設以目標節點為預想中值形成一個簇，將其跳鄰居作為該簇的接受域，獲取目標節點的歸一化活躍程度，將結果賦值給，該過程用公式表示，符號代表所有節點的一階鄰居總數，符號代表節點的一階鄰居集合，符號代表除節點外的其他節點，預想中值是每個簇中預先假設的中心值，節點的活躍程度是指節點與用戶交互的頻率，歸一化是一種數據處理技術，旨在將不同特征的數據轉換到統一標準內，便于后續的分析和處理；步驟（2.1.2.2）利用k-medoids算法獲取每個簇的中心點，過程為：步驟（2.1.2.2.1）從API服務嵌入中隨機選取個節點嵌入作為初始聚類中心；步驟（2.1.2.2.2）計算每個API服務節點嵌入向量到每個簇的中心點的歐幾里得距離，并賦值給，該過程用公式表示，符號代表節點為該簇的中心點，符號n代表API服務節點嵌入總數；步驟（2.1.2.2.3）根據步驟（2.1.2.2.2）的將每個API服務節點分配給其距離最近的簇；步驟（2.1.2.2.4）計算總體偏差，并將結果賦值給，該過程用公式表示，符號表示簇的總數，符號代表第個簇的節點嵌入集合；步驟（2.1.2.2.5）重復步驟（2.1.2.2.1）-步驟（2.1.2.2.4），直至步驟（2.1.2.2.4）中的不再變化；步驟（2.1.2.2.6）計算API服務聚類感知自注意力權重，歸一化的用戶活躍度以非破壞方式參與計算，將結果賦值給，該過程用公式表示，符號、和代表可學習的權重矩陣，代表的轉置，為比例因子，避免內積的結果過大，是一種激活函數，非破壞方式是指僅作為的影響系數而不會影響和，通過控制自注意組件的信息源實現更有效的建模；步驟（2.1.3）設計查詢感知自注意力機制，查詢感知自注意力機制的過程如下：步驟（2.1.3.1）用戶第次查詢的API服務嵌入向量用符號表示，上標表示當前的服務向量為用戶的查詢向量；步驟（2.1.3.2）按照時間排序的用戶查詢服務嵌入表示用符號表示，代表時間長度；步驟（2.1.3.3）計算在不同時間的注意分數，將結果賦值給，該過程用公式表示，符號和為可訓練的時間參數，代表將進行轉置，符號代表查詢表示維度，為根號運算，是一個以為激活函數的雙層前饋神經網絡；步驟（2.1.3.4）以一種非破壞方式計算API服務節點聚合中的注意權重，將結果賦值給，該過程用公式表示，符號、和代表可學習的權重矩陣，為比例因子，避免內積的結果過大，代表源節點，代表目標節點，是一種激活函數，非破壞方式是指僅作為和的影響系數而不會影響，通過控制自注意組件的信息源實現更有效的建模。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國計量大學;浙江工業大學，其通訊地址為：310018 浙江省杭州市下沙高教園區學源街258號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。