公开(公告)号：CN111832289B

公开(公告)日：2023-08-11

申请号：CN202010668037.7

申请日：2020-07-13

Applicant: 重庆大学

Inventor： 徐玲 ,  聂彤羽 ,  鄢萌 ,  王子梁 ,  张文燕 ,  付春雷 ,  张小洪

IPC: H04L67/51 ,  G06F40/216 ,  G06F40/289 ,  G06F40/30 ,  G06F16/35 ,  G06N3/084

Abstract: 本发明公开了一种基于聚类和高斯LDA的服务发现方法，包括如下步骤：对服务数据集进行数据解析，使用Doc2Vec和Word2Vec训练段落嵌入和词嵌入；使用修改的K‑Means算法将Doc2Vec向量集合聚类；基于词嵌入向量集扩展查询得到扩展的查询语句Qe和扩展的查询向量Vqe；基于扩展的查询语句计算其与聚类所得的每一个聚类簇的Doc2Vec矩阵的平均余弦相似度，将相似度最高的簇作为目标簇；基于所选目标簇和训练所得的词嵌入向量，构建高斯LDA模型，得到“文档‑主题分布”和“主题的高斯分布”；使用两个分布计算目标簇中的各个服务与扩展后的用户查询匹配的概率并降序排列。本方法服务匹配准确性高。

公开(公告)号：CN111832289A

公开(公告)日：2020-10-27

申请号：CN202010668037.7

申请日：2020-07-13

Applicant: 重庆大学

Inventor： 徐玲 ,  聂彤羽 ,  鄢萌 ,  王子梁 ,  张文燕 ,  付春雷 ,  张小洪

IPC: G06F40/216 ,  G06F40/289 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于聚类和高斯LDA的服务发现方法，包括如下步骤：对服务数据集进行数据解析，使用Doc2Vec和Word2Vec训练段落嵌入和词嵌入；使用修改的K-Means算法将Doc2Vec向量集合聚类；基于词嵌入向量集扩展查询得到扩展的查询语句Qe和扩展的查询向量Vqe；基于扩展的查询语句计算其与聚类所得的每一个聚类簇的Doc2Vec矩阵的平均余弦相似度，将相似度最高的簇作为目标簇；基于所选目标簇和训练所得的词嵌入向量，构建高斯LDA模型，得到“文档-主题分布”和“主题的高斯分布”；使用两个分布计算目标簇中的各个服务与扩展后的用户查询匹配的概率并降序排列。本方法服务匹配准确性高。