[发明专利]一种制造云服务推荐生成方法及系统

说明书

本发明提供一种制造云服务推荐生成方法，包括获取云平台的各制造服务描述性信息及标签信息；采用LDA主题模型对各制造服务描述性信息进行向量化建模，得到制造服务p个主题信息，并通过Word2vec映射扩充得到p×q维服务主题词的词向量，且将所有词向量输入CNN学习到制造服务深度特征，进一步通过深度特征相似度计算得到制造服务相似度矩阵；将各制造服务标签信息聚类采用改进的K‑Means聚类得到制造服务类别，进一步得到用户类别矩阵模型和服务类别矩阵模型并得到系数，以构建出用户偏好矩阵；将制造服务相似度矩阵与用户偏好矩阵结合，得到制造服务推荐列表。实施本发明，解决了现有技术中制造服务信息特征提取不全面和用户服务矩阵稀疏的问题。

技术领域

本发明涉及云制造技术领域，尤其涉及一种制造云服务推荐生成方法及系统。

背景技术

云制造是一种利用泛在网络和云制造服务平台，按用户需求组织网上制造资源，为用户提供各类按需制造服务的智能制造新模式。制造云服务(简称云服务)是构成云制造平台的基本要素，是云制造平台上虚拟化和服务化的制造资源和制造能力。制造云服务通过虚拟化、物联网等技术，将分散的制造资源封装并接入云平台，形成制造云；通过制造云，用户可以按需地获取所需的个性化服务，低成本地快速响应变化的市场需求，从而使企业变得更敏捷、更智能；进而促进专业化分工和柔性业务协作，盘活广域范围内的制造资源。

近年来，云制造的应用在我国开始起步。国家信息中心提供的《中国制造业产能共享发展报告》表明，云制造及其制造产能共享市场的规模已达4120亿元，通过云制造资源共享平台提供服务的企业数量超过了20万家。然而随着制造云服务数量的不断增长，制造云服务平台不可避免地出现了的信息过载问题。在这种背景下，制造服务推荐技术通过有序化用户对服务的潜在使用关系，帮助用户在海量服务中快速发现所需的个性化服务，缩短用户到所需服务的时间和空间，协助云平台运营商提升用户体验，对于解决云平台信息超载问题具有重要的应用价值，并获得了广泛的关注。

现有的服务推荐研究主要集中在基于功能的服务推荐和非基于功能的服务推荐，云服务的功能主要来源于用户需求和云服务描述。服务推荐领域的服务特征提取与用户偏好建模方面已有一定的研究，但仍存在着以下不足：(1)制造服务的深层主题特征表示困难。制造服务的主题信息主要是通过算法提取最具代表性的制造服务描述信息，现有研究多聚焦于浅层次的描述信息特征提取，而缺乏挖掘制造服务的深层隐性特征的提取研究。(2)传统的基于行为的用户服务矩阵稀疏影响了用户偏好模型的高效构建。用户偏好主要通过构建用户服务矩阵来反映，而在制造云平台一般包括大量用户及制造服务，这就使得构建的用户服务矩阵过于稀疏，不能高效的表示用户偏好。

因此，有必要提出一种新的制造云服务推荐研究方法，能够解决现有技术中制造服务信息特征提取不全面和用户服务矩阵稀疏的问题。

发明内容

本发明实施例所要解决的技术问题在于，提供一种制造云服务推荐生成方法及系统，解决了现有技术中制造服务信息特征提取不全面和用户服务矩阵稀疏的问题。

为了解决上述技术问题，本发明实施例提供了一种制造云服务推荐生成方法，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；