[发明专利]一种制造云服务推荐生成方法及系统

权利要求书

1.一种制造云服务推荐生成方法，其特征在于，所述方法包括以下步骤：

S1、获取云平台的各制造服务描述性信息及标签信息；

S2、采用预设的含狄利克雷分布LDA主题模型，对各制造服务描述性信息进行向量化建模，得到各制造服务各自对应的p个潜在低维主题向量，并基于每一个潜在低维主题向量均通过Word2vec映射为q维词向量的扩充规则，得到各制造服务的p个潜在低维主题向量扩充的p×q维服务主题词的词向量，进一步输入到预设的卷积神经网络中学习制造服务深度特征，得到制造服务深层特征的输出向量，且根据所得到的制造服务深层特征的输出向量，通过基于深度特征相似度计算，得到制造服务相似度矩阵；

S3、采用改进的K-Means聚类算法，将各制造服务标签信息聚类得到制造服务类别，并根据所得的制造服务类别，确定用户类别矩阵模型和服务类别矩阵模型，且进一步得到用户类别矩阵模型系数和服务类别矩阵模型系数，以构建出用户偏好矩阵；

S4、将所述制造服务相似度矩阵与所述用户偏好矩阵进行结合，得到制造服务推荐列表。

2.如权利要求1所述的制造云服务推荐生成方法，其特征在于，所述步骤S2具体包括：

将各制造服务描述性信息经过预处理后，输入LDA主题模型中，得到各制造服务各自对应的p个潜在低维主题向量；

通过Word2vec训练出制造服务描述性信息语料库的词向量模型，并采用训练的词向量模型，将每一个潜在低维主题向量均扩充为q维的服务主题词的词向量，以得到各制造服务的p个潜在低维主题向量扩充的p×q维服务主题词的词向量；

将各制造服务的p×q维服务主题词的词向量输入卷积神经网络中学习制造服务深度特征，得到各制造服务描述性信息的一维特征向量，并根据各制造服务描述性信息的一维特征向量，形成制造服务深层特征的输出向量；

通过余弦相似度计算来计算所述制造服务深层特征的输出向量中两两向量之间的相似性，以得到两两制造服务之间的相似度，并基于两两制造服务之间的相似度，得到所述制造服务相似度矩阵。

3.如权利要求2所述的制造云服务推荐生成方法，其特征在于，通过公式得到各制造服务之间的相似度系数；其中，sim(a_i,a_j)为制造服务a_i和a_j的相似度；c_ij为制造服务特征向量中的制造服务i第j个维度的向量；N为维数，其值等于制造服务的总数n。

4.如权利要求3所述的制造云服务推荐生成方法，其特征在于，所述制造服务间的相似度矩阵为n×n维。

5.如权利要求1所述的制造云服务推荐生成方法，其特征在于，所述步骤S3具体包括：

采用改进的K-Means聚类算法，将各制造服务标签信息聚类得到制造服务类别；

根据所得的制造服务类别，确定用户类别矩阵模型和服务类别矩阵模型，且进一步根据所述用户类别矩阵模型和所述服务类别矩阵模型，得到用户类别矩阵模型系数和服务类别矩阵模型系数；

根据所得到的用户类别矩阵模型系数和服务类别矩阵模型系数，构建所述用户偏好矩阵。