[发明专利]知识服务预测方法、装置、设备及存储介质在审
| 申请号: | 202211306556.4 | 申请日: | 2022-10-24 |
| 公开(公告)号: | CN115687452A | 公开(公告)日: | 2023-02-03 |
| 发明(设计)人: | 范玉顺;闫茹钰;林浩哲 | 申请(专利权)人: | 清华大学 |
| 主分类号: | G06F16/2458 | 分类号: | G06F16/2458;G06F16/26;G06F16/36;G06F16/9535 |
| 代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 王文思 |
| 地址: | 100084*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 知识 服务 预测 方法 装置 设备 存储 介质 | ||
1.一种知识服务预测方法,包括:
获取知识服务的文本信息、知识服务的调用序列和知识服务之间的超链接关系;
利用所述知识服务之间的超链接关系,构建初始的服务节点之间关联关系图;
基于所述知识服务的调用序列和所述知识服务的文本信息,更新所述初始的服务节点之间关联关系图,得到更新后的关联关系图;
根据所述更新后的关联关系图,构建知识服务预测模型,所述知识服务预测模型用于预测知识服务的调用次数。
2.根据权利要求1所述的知识服务预测方法,其中,所述基于所述知识服务的调用序列和所述知识服务的文本信息,更新所述初始的服务节点之间关联关系图,得到更新后的关联关系图包括:
基于所述知识服务的调用序列和所述知识服务的文本信息,得到所述服务节点的空间特征;
对所述服务节点的空间特征在时间维度上建模,得到所述服务节点的时空特征;
基于所述服务节点的时空特征,更新所述初始的服务节点之间关联关系图,得到更新后的关联关系图。
3.根据权利要求2所述的知识服务预测方法,其中,所述基于所述知识服务的调用序列和所述知识服务的文本信息,得到所述服务节点的空间特征包括:
构建基于所述知识服务的调用序列的空间依赖关系;
构建基于所述知识服务的文本信息的空间依赖关系;
基于所述知识服务的调用序列的空间依赖关系,计算时序模态下所述服务节点的空间依赖关系;
基于所述知识服务的文本信息的空间依赖关系,计算文本模态下所述服务节点的空间依赖关系;
整合所述时序模态下所述服务节点的空间依赖关系和所述文本模态下所述服务节点的空间依赖关系,得到所述服务节点的空间特征。
4.根据权利要求3所述的知识服务预测方法,其中,所述构建基于所述知识服务的调用序列的空间依赖关系包括:
计算所述知识服务的调用序列的梅尔频率倒谱系数;
根据所述知识服务的调用序列的梅尔频率倒谱系数,成对的比较所有所述知识服务之间调用序列的相似性,构建基于所述知识服务的调用序列的空间依赖关系。
5.根据权利要求3所述的知识服务预测方法,其中,所述构建基于所述知识服务的文本信息的空间依赖关系包括:
计算所述知识服务的文本信息的低维稠密;
根据所述知识服务的文本信息的低维稠密,成对的比较所有所述知识服务之间文本信息的相似性,构建基于所述知识服务的文本信息的空间依赖关系。
6.根据权利要求3所述的知识服务预测方法,其中,所述基于所述知识服务的调用序列的空间依赖关系,计算时序模态下所述服务节点的空间依赖关系包括:
使用随机游走定义,构建拉普拉斯矩阵;
将谱图卷积运用在所述拉普拉斯矩阵上,以利用弥散卷积计算所述时序模态下所述服务节点的空间依赖关系;
所述基于所述知识服务的文本信息的空间依赖关系,计算文本模态下所述服务节点的空间依赖关系包括:
使用随机游走定义,构建拉普拉斯矩阵;
将谱图卷积运用在所述拉普拉斯矩阵上,以利用弥散卷积计算所述文本模态下所述服务节点的空间依赖关系。
7.根据权利要求2所述的知识服务预测方法,其中,所述对所述服务节点的空间特征在时间维度上建模,得到所述服务节点的时空特征包括:
采用循环神经网络结构,对所述服务节点的空间特征在时间维度上建模,得到所述服务节点的时空特征。
8.一种知识服务预测装置,包括:
获取模块,用于获取知识服务的文本信息、知识服务的调用序列和知识服务之间的超链接关系;
图构建模块,用于利用所述知识服务之间的超链接关系,构建初始的服务节点之间关联关系图;
更新模块,用于基于所述知识服务的调用序列和所述知识服务的文本信息,更新所述初始的服务节点之间关联关系图,得到更新后的关联关系图;
模型构建模块,用于根据所述更新后的关联关系图,构建知识服务预测模型,所述知识服务预测模型用于预测知识服务的调用次数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211306556.4/1.html,转载请声明来源钻瓜专利网。





