[发明专利]多领域服务主题匹配推荐方法

权利要求书

1.一种多领域服务主题匹配推荐方法，应用于计算装置中，其特征在于，该方法包括：

接收步骤，接收用户输入的文本信息；

获取步骤，利用训练好的服务组合隐狄利克雷分布LDA主题模型获取所接收的文本信息中所包含的服务组合及服务组合的主题分布；

计算步骤一，根据所获取的服务组合的主题分布，并利用训练好的‘需求-领域’匹配器中得到所获取的服务组合与D个服务领域的相关概率；

排序步骤一，对所获取的服务组合与D个服务领域的相关概率从大到小排序以得到对D个服务领域从高到低进行的排序，并将D个服务领域从高到低进行排序的结果推荐给用户；

计算步骤二，根据所获取的服务组合的主题分布，在每个服务领域中分别利用与各自的服务领域相对应的‘领域-服务’匹配器，得到每个服务领域的‘领域-服务’匹配器所预测的服务的主题分布，并对每个‘领域-服务’匹配器所预测的服务的主题分布进行归一化处理；

计算步骤三，在每个服务领域中，计算该服务领域所对应的归一化处理后的服务的主题分布与该服务领域内每个服务的主题分布的相似度；

排序步骤二，在每个服务领域中，对所计算出的该服务领域所对应的归一化处理后的服务的主题分布与该服务领域内每个服务的主题分布的相似度，按照从大到小进行排序以得到对该服务领域中的服务进行由高到低的排序，并将每个服务领域中的服务进行由高到低的排序的结果推荐给用户。

2.如权利要求1所述的多领域服务主题匹配推荐方法，其特征在于，所述D个服务领域是对计算装置的存储设备中存储的M个服务组合的文本信息及N个服务的文本信息处理得到的，利用多领域服务聚类法将服务集合中的N个服务聚类到预设的D个不同的服务领域。

3.如权利要求2所述的多领域服务主题匹配推荐方法，其特征在于，所述利用多领域服务聚类法将服务集合中的N个服务聚类到预设的D个不同的服务领域包括步骤：

（a1）对每个服务的的文本信息，利用LDA话题模型获得每个服务的主题分布，用矩阵STF来形式化描述N个服务的主题分布，STF为N×K_s维矩阵，N表示服务的总数，K_s表示服务涉及到的主题总数，STF矩阵第i行第j列的元素STF(i,j)表示T_j′在S_i中的分布权重，其中T_j′表示服务中的主题j，S_i表示服务i，矩阵的每一行为一个服务的主题分布；

（a2）将存储设备中所存储的服务组合与服务的调用关系用矩阵CS来形式化描述，CS为M×N维稀疏矩阵，M表示服务组合的总数，N表示服务的总数，CS矩阵第i行第j列的元素CS(i,j)=1表示服务组合C_i调用了服务S_j；CS(i,j)=0，表示服务组合C_i没有调用服务S_j；

（a3）对所述CS矩阵的每一列求和，即SUM（CS(:,j)），表示服务S_j被所有服务组合调用的次数，用以表征服务S_j的热度S_j.popular；

（a4）确定D个服务领域中每个服务领域的核心服务；

（a5）将N个服务中其余N-D个服务作为非核心服务分配到D个服务领域的每个服务领域中。

4.如权利要求1所述的多领域服务主题匹配推荐方法，其特征在于，训练‘需求-领域’匹配器的步骤包括：

（b1）获取训练‘需求-领域’匹配器的输入端数据；

（b2）获取训练‘需求-领域’匹配器的输出端数据；

（b3）根据训练‘需求-领域’匹配器的输入端数据、输出端数据，并利用ELM标准训练过程训练‘需求-领域’匹配器以得到‘需求-领域’匹配器的参数IWR，BiasR，OWR。