本發(fā)明屬于服務(wù)數(shù)據(jù)推薦領(lǐng)域，涉及一種服務(wù)數(shù)據(jù)捆綁推薦方法。

背景技術(shù)：

1、近年來(lái)，私有云、混合云、多云(muti?cloud)等不同云場(chǎng)景上部署和交付的api服務(wù)與應(yīng)用與日俱增，如何有效利用云場(chǎng)景中的api服務(wù)成為了服務(wù)計(jì)算領(lǐng)域中的熱點(diǎn)問(wèn)題。

2、一方面，為了實(shí)現(xiàn)對(duì)現(xiàn)有api服務(wù)的復(fù)用，工業(yè)界和學(xué)術(shù)界提出了服務(wù)組合技術(shù)。服務(wù)組合技術(shù)能通過(guò)對(duì)現(xiàn)有的api服務(wù)加以集成和編排，構(gòu)造出具有新功能的服務(wù)，從而最大程度地利用現(xiàn)有的數(shù)據(jù)和服務(wù)資源，降低開(kāi)發(fā)成本。由于服務(wù)組合技術(shù)具有成本低、風(fēng)險(xiǎn)性、敏捷性好等特性，近年來(lái)圍繞服務(wù)組合這一主題已經(jīng)開(kāi)展了大量的研究。例如，中國(guó)專利號(hào)為cn202311657941.8，名稱為一種動(dòng)態(tài)服務(wù)組合選擇方法、裝置和產(chǎn)品，根據(jù)服務(wù)組合相關(guān)信息生成初始種群，結(jié)合多目標(biāo)優(yōu)化算法進(jìn)行求解；中國(guó)專利號(hào)為cn202311388437.2，名稱為一種動(dòng)態(tài)多目標(biāo)服務(wù)組合優(yōu)化推薦方法及系統(tǒng)，基于嵌入改進(jìn)的社會(huì)學(xué)習(xí)優(yōu)化算法對(duì)動(dòng)態(tài)多目標(biāo)服務(wù)優(yōu)化組合問(wèn)題模型求解，從而得到最優(yōu)的服務(wù)組合方案；中國(guó)專利號(hào)為cn202110764702.7，名稱為一種面向水利勘測(cè)的web服務(wù)組合發(fā)現(xiàn)方法，通過(guò)服務(wù)本體構(gòu)建、web服務(wù)語(yǔ)義標(biāo)注、可達(dá)性分析等步驟，提高了服務(wù)組合發(fā)現(xiàn)的效率和精度。不足的是，此類方法側(cè)重于利用api服務(wù)之間的組合關(guān)聯(lián)，沒(méi)有考慮開(kāi)發(fā)者與api服務(wù)(或服務(wù)組合)之間的交互關(guān)系，在服務(wù)組合數(shù)據(jù)建模方面存在進(jìn)一步優(yōu)化的空間。

3、另一方面，為了從海量的云原生服務(wù)集合中，快速有效地找到滿足開(kāi)發(fā)者需求的api服務(wù)，服務(wù)推薦技術(shù)受到了研究者們的廣泛關(guān)注。例如，中國(guó)專利號(hào)為cn202310139370.2，名稱為服務(wù)推薦方法、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，根據(jù)用戶操作的行為軌跡確定不同服務(wù)對(duì)應(yīng)的場(chǎng)景概率分布，基于概率分布確定目標(biāo)服務(wù)進(jìn)行服務(wù)推薦；中國(guó)專利號(hào)為cn202010322193.8，名稱為一種應(yīng)用在云服務(wù)推薦中基于圖模型的qos預(yù)測(cè)方法，通過(guò)概率矩陣法分解算法獲取全局和局部的qos，在一定程度上緩解了云服務(wù)推薦領(lǐng)域的qos稀疏問(wèn)題。服務(wù)推薦技術(shù)是服務(wù)計(jì)算和推薦算法的融合，作為一種經(jīng)典的推薦算法，捆綁推薦能夠有效地提高推薦結(jié)果的多樣性，目前已有大量的相關(guān)專利。例如，中國(guó)專利號(hào)為cn202010244341.9，名稱為一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的捆綁推薦方法及系統(tǒng)，將用戶、捆綁和物品之間的交互關(guān)系和從屬關(guān)系重構(gòu)為圖，再利用圖神經(jīng)網(wǎng)絡(luò)從復(fù)雜拓?fù)浣Y(jié)構(gòu)和高階連通性中學(xué)習(xí)關(guān)聯(lián)實(shí)體表示；中國(guó)專利號(hào)為cn202110512230.6，名稱為基于多通道超圖神經(jīng)網(wǎng)絡(luò)的捆綁推薦方法，采用超圖這一特殊的數(shù)據(jù)結(jié)構(gòu)對(duì)用戶、物品和捆綁包進(jìn)行顯示區(qū)分建模。不足的是，此類方法沒(méi)有結(jié)合云場(chǎng)景和服務(wù)組合關(guān)系進(jìn)行優(yōu)化，無(wú)法直接應(yīng)用于服務(wù)推薦領(lǐng)域。

4、目前，還不存在一種方法能將服務(wù)組合和捆綁推薦技術(shù)深度融合，依據(jù)云場(chǎng)景下的服務(wù)組合關(guān)系向用戶推薦api服務(wù)。

技術(shù)實(shí)現(xiàn)思路

1、為了克服已有技術(shù)的不足，為提高服務(wù)推薦的相關(guān)性和精確度，本發(fā)明提出一種基于云場(chǎng)景服務(wù)組合關(guān)系的服務(wù)數(shù)據(jù)捆綁推薦方法，該方法引入捆綁推薦思想對(duì)服務(wù)場(chǎng)景進(jìn)行建模，首先從api服務(wù)和服務(wù)組合中抽取出捆綁推薦層和捆綁推薦關(guān)系，并將其轉(zhuǎn)換為捆綁交互圖結(jié)構(gòu)；其次，對(duì)捆綁交互圖進(jìn)行初始編碼，利用初始編碼結(jié)果構(gòu)造中間向量，加權(quán)聚合中間向量以構(gòu)造用戶、服務(wù)和捆綁向量；然后，對(duì)用戶、服務(wù)和捆綁向量進(jìn)行拼接，構(gòu)建用戶-服務(wù)向量和用戶-捆綁向量；最后，利用用戶-服務(wù)向量和用戶-捆綁推薦向量計(jì)算捆綁分?jǐn)?shù)，基于捆綁推薦分?jǐn)?shù)進(jìn)行服務(wù)推薦。

2、本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：

3、一種基于云場(chǎng)景服務(wù)組合關(guān)系的服務(wù)數(shù)據(jù)捆綁推薦方法，所述方法包括以下步驟：

4、步驟1：創(chuàng)建服務(wù)數(shù)據(jù)集，抽取捆綁推薦層，設(shè)置捆綁推薦關(guān)系，構(gòu)建捆綁交互圖結(jié)構(gòu)；

5、步驟2：對(duì)gua、gam、gum中的節(jié)點(diǎn)進(jìn)行初始編碼，利用初始編碼結(jié)果構(gòu)造中間向量，加權(quán)聚合中間向量，構(gòu)造用戶向量、服務(wù)向量和捆綁向量；

6、步驟3：基于用戶向量、服務(wù)向量和捆綁向量，構(gòu)建用戶-服務(wù)向量與用戶-捆綁向量；

7、步驟4：利用用戶-服務(wù)向量和用戶-捆綁向量計(jì)算捆綁推薦分?jǐn)?shù)，基于捆綁推薦分?jǐn)?shù)進(jìn)行服務(wù)推薦。

8、進(jìn)一步，所述步驟1的過(guò)程如下：

9、步驟1.1、創(chuàng)建服務(wù)數(shù)據(jù)集：收集api服務(wù)、服務(wù)組合、用戶信息，并對(duì)其進(jìn)行數(shù)據(jù)清洗，以此構(gòu)成服務(wù)數(shù)據(jù)集；

10、步驟1.2、抽取捆綁推薦層：從服務(wù)數(shù)據(jù)集中抽取api服務(wù)、服務(wù)組合和用戶信息，構(gòu)建捆綁推薦層，包括單項(xiàng)服務(wù)層、服務(wù)組合層和用戶層；

11、步驟1.3、設(shè)置捆綁推薦關(guān)系：在步驟1.2的基礎(chǔ)上，設(shè)置單項(xiàng)服務(wù)層、服務(wù)組合層、用戶層之間的捆綁推薦關(guān)系，包括服務(wù)調(diào)用關(guān)系和服務(wù)組合關(guān)系；

12、步驟1.4、構(gòu)建捆綁交互圖結(jié)構(gòu)：在步驟1.3的基礎(chǔ)上，將捆綁推薦關(guān)系轉(zhuǎn)化為捆綁交互圖結(jié)構(gòu)，包括用戶-服務(wù)圖、用戶-捆綁圖、服務(wù)-捆綁圖；圖是一種常見(jiàn)的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點(diǎn)和邊構(gòu)成。

13、優(yōu)選的，所述步驟1.1中，服務(wù)數(shù)據(jù)集包含以下信息：

14、1.1.1、api服務(wù)：服務(wù)化的應(yīng)用程序編程接口api，其屬性和功能由服務(wù)描述文檔和服務(wù)標(biāo)簽描述，用符號(hào)a表示；

15、1.1.2、服務(wù)描述文檔：對(duì)api服務(wù)中消息類型、操作、端口等信息進(jìn)行描述和規(guī)定的文檔，用符號(hào)w表示；

16、1.1.3、服務(wù)標(biāo)簽：以自然語(yǔ)言形式描述api服務(wù)功能類型的短文本，用符號(hào)t表示；

17、1.1.4、服務(wù)組合：以兩項(xiàng)及兩項(xiàng)以上api服務(wù)組合形成的服務(wù)，用符號(hào)m表示；

18、1.1.5、用戶：調(diào)用api服務(wù)或服務(wù)組合的開(kāi)發(fā)者，用符號(hào)u表示。

19、所述步驟1.2中，捆綁推薦層包含以下信息：

20、1.2.1、捆綁推薦層：依據(jù)捆綁推薦思想對(duì)服務(wù)數(shù)據(jù)集進(jìn)行分層的結(jié)果，由單項(xiàng)服務(wù)層、服務(wù)組合層和用戶層組成；

21、1.2.2、單項(xiàng)服務(wù)層：由服務(wù)數(shù)據(jù)集中所有的api服務(wù)構(gòu)成，用符號(hào)a表示；單項(xiàng)服務(wù)層與api服務(wù)之間存在集合關(guān)系，形式化定義為a＝{a1,a2,…,ai}，其中下標(biāo)1、2、i表示對(duì)不同api服務(wù)的區(qū)分，符號(hào)“...”

22、表示枚舉的省略；

23、1.2.3、服務(wù)組合層：由服務(wù)數(shù)據(jù)集中所有的服務(wù)組合構(gòu)成，用符號(hào)m表示；服務(wù)組合層與服務(wù)組合之間存在集合關(guān)系，形式化定義為m＝{m1,

24、m2,…,mj}，其中下標(biāo)1、2、j表示對(duì)不同服務(wù)組合的區(qū)分；

25、1.2.4、用戶層：由服務(wù)數(shù)據(jù)集中所有的用戶構(gòu)成，用符號(hào)u表示；用戶層與用戶之間存在集合關(guān)系，形式化定義為u＝{u1,u2,…,uk}，其中下標(biāo)1、2、k表示對(duì)不同用戶的區(qū)分。

26、所述步驟1.3中，捆綁推薦關(guān)系包含以下信息：

27、1.3.1、服務(wù)調(diào)用關(guān)系：a與u之間存在一種的多對(duì)多關(guān)系，表示用戶對(duì)api服務(wù)的調(diào)用，用符號(hào)表示；

28、1.3.2、服務(wù)組合關(guān)系：a與m之間存在的一種多對(duì)多關(guān)系，表示api服務(wù)之間的組合關(guān)聯(lián)，用符號(hào)表示。

29、所述步驟1.4中，捆綁交互圖結(jié)構(gòu)的構(gòu)建過(guò)程如下：

30、1.4.1、建立用戶-服務(wù)圖，用符號(hào)gua表示，gua的點(diǎn)集用符號(hào)vua表示，gua的邊集用eua表示；

31、1.4.2、遍歷服務(wù)調(diào)用關(guān)系，將取到的服務(wù)調(diào)用關(guān)系記為

32、1.4.3、若u不屬于vua，則將u并入vua；若a不屬于vua，則將a并入vua；1.4.4、建立一條連接u與a的邊，用符號(hào)eua表示；

33、1.4.5、若eua不屬于eua，則eua將并入eua；

34、1.4.6、建立服務(wù)-捆綁圖，用符號(hào)gam表示，gam的點(diǎn)集用符號(hào)vam表示，

35、gam的邊集用eam表示；

36、1.4.7、遍歷服務(wù)組合關(guān)系，將取到的服務(wù)組合關(guān)系記為

37、1.4.8、若m不屬于vam，則將m并入vam；若a不屬于vam，則將a并入vam；

38、1.4.9、建立一條連接a與m的邊，用符號(hào)eam表示；

39、1.4.10、若eam不屬于eam，則eam將并入eam；

40、1.4.11、建立用戶-捆綁圖，用符號(hào)gum表示，gum的點(diǎn)集用符號(hào)vum表示，

41、gum的邊集用eum表示；

42、1.4.12、遍歷服務(wù)組合關(guān)系和服務(wù)調(diào)用關(guān)系，將取到的服務(wù)調(diào)用關(guān)系和服務(wù)組合關(guān)系記分別為和下標(biāo)1和2表示對(duì)api服務(wù)的區(qū)分；

43、1.4.13、若a1和a2相等，則將服務(wù)調(diào)用關(guān)系和服務(wù)組合關(guān)系合并為捆綁調(diào)用關(guān)系，用符號(hào)表示；

44、1.4.14、若u不屬于vum，則將u并入vum；若m不屬于vum，則將m并入vum；

45、1.4.15、建立一條連接u與m的邊，用符號(hào)eum表示；

46、1.4.16、若eum不屬于eum，則eum將并入eum。

47、再進(jìn)一步，所述步驟2的過(guò)程如下：

48、2.1、對(duì)gua、gam、gum中的節(jié)點(diǎn)進(jìn)行初始編碼：利用編碼器對(duì)圖中節(jié)點(diǎn)進(jìn)行初始編碼，將其轉(zhuǎn)化為初始向量，編碼器是一種常見(jiàn)的深度學(xué)習(xí)技術(shù)，常用于構(gòu)建向量表示；

49、2.2、利用初始編碼結(jié)果構(gòu)造中間向量：遍歷gua、gam、gum，聚合u、a、m鄰居節(jié)點(diǎn)的初始向量，構(gòu)造中間向量；

50、2.3、加權(quán)聚合中間向量，構(gòu)造用戶向量、服務(wù)向量和捆綁向量：基于步驟2.2獲取tu、ta、tm，加權(quán)聚合tu、ta、tm，構(gòu)造用戶向量、服務(wù)向量和捆綁向量。

51、所述步驟2.1中，轉(zhuǎn)化得到的初始向量包含以下信息：

52、2.1.1、用戶初始向量：u的向量化表示，用符號(hào)vu表示；

53、2.1.2、服務(wù)初始向量：a的向量化表示，用符號(hào)va表示；

54、2.1.3、捆綁初始向量：m的向量化表示，用符號(hào)vm表示；

55、所述步驟2.2中，中間向量的構(gòu)造過(guò)程如下：

56、2.2.1、遍歷gua、gam、gum，取出u、a、m節(jié)點(diǎn)；

57、2.2.2、用符號(hào)uni表示u的一階鄰居節(jié)點(diǎn)，下標(biāo)i用于區(qū)分不同的鄰居節(jié)點(diǎn)，

58、u的一階鄰居節(jié)點(diǎn)是指與u直接連接的節(jié)點(diǎn)；

59、2.2.3、用符號(hào)un表示u的一階鄰域，un和uni之間存在集合關(guān)系，形式化定義為un＝{un1、un2、…、uni}；

60、2.2.4、用符號(hào)anj表示a的一階鄰居節(jié)點(diǎn)，下標(biāo)j用于區(qū)分不同的鄰居節(jié)點(diǎn)，

61、a的一階鄰居節(jié)點(diǎn)是指與a直接連接的節(jié)點(diǎn)；

62、2.2.5、用符號(hào)an表示a的一階鄰域，an和anj之間存在集合關(guān)系，形式化定義為an＝{an1、an2、…、anj}；

63、2.2.6、用符號(hào)mnk表示m的一階鄰居節(jié)點(diǎn)，下標(biāo)k用于區(qū)分不同的鄰居節(jié)點(diǎn)，m的一階鄰居節(jié)點(diǎn)是指與m直接連接的節(jié)點(diǎn)；

64、2.2.7、用符號(hào)mn表示m的一階鄰域，mn和mnk之間存在集合關(guān)系，形式化定義為mn＝{mn1、mn2、…、mnk}；

65、2.2.8、基于步驟2.1得到un、an、mn中的所有一階鄰居節(jié)點(diǎn)的初始編碼，用符號(hào)vun、van、vmn表示；

66、2.2.9、將u的初始編碼與un中所有一階鄰居節(jié)點(diǎn)的初始編碼相加后，除以|un|，結(jié)果定義為用戶中間向量，用符號(hào)tu表示；|un|是指un含有的一階鄰居節(jié)點(diǎn)的數(shù)量；

67、2.2.10、將a的初始編碼與an中所有一階鄰居節(jié)點(diǎn)的初始編碼相加后，除以|an|，結(jié)果定義為服務(wù)中間向量，用符號(hào)ta表示；|an|是指an含有的一階鄰居節(jié)點(diǎn)的數(shù)量；

68、2.2.11、將m的初始編碼與mn中所有一階鄰居節(jié)點(diǎn)的初始編碼相加后，除以|mn|的模，結(jié)果定義為捆綁中間向量，用符號(hào)tm表示；|mn|

69、是指mn含有的一階鄰居節(jié)點(diǎn)的數(shù)量；

70、所述步驟2.3中，用戶向量、服務(wù)向量和捆綁向量的構(gòu)造過(guò)程如下：

71、2.3.1、重復(fù)n次步驟2.2，第n次得到的中間向量用符號(hào)tun、tan、tmn表示，下標(biāo)n用于區(qū)分得到的中間向量；

72、2.3.2、定義用戶向量，使用符號(hào)eu表示；

73、2.3.3、聚合所有的用戶中間向量，將所有的用戶中間向量相加，結(jié)果用符號(hào)tu1+tu2+...+tun表示；

74、2.3.4、定義用戶加權(quán)系數(shù)，用符號(hào)√|un|表示，其中“√”代表開(kāi)根號(hào)運(yùn)算；

75、2.3.5、將步驟2.3.3中計(jì)算結(jié)果除以用戶加權(quán)系數(shù)，并賦值給用戶向量，其過(guò)程可以用符號(hào)表示為eu＝(tu1+tu2+...+tun)/√|na|，“()”為數(shù)學(xué)中的括號(hào)，用于表示運(yùn)算優(yōu)先級(jí)；

76、2.3.6、定義服務(wù)向量，使用符號(hào)ea表示；

77、2.3.7、聚合所有的服務(wù)中間向量，將所有的服務(wù)中間向量相加，結(jié)果用符號(hào)ta1+ta2+...+tan表示；

78、2.3.8、定義服務(wù)加權(quán)系數(shù)，用符號(hào)√|an|表示；

79、2.3.9、將步驟2.3.7中計(jì)算結(jié)果除以服務(wù)加權(quán)系數(shù)，并賦值給服務(wù)向量，其過(guò)程可以用符號(hào)表示為ea＝(ta1+ta2+...+tan)/√|an|；

80、2.3.10、定義捆綁向量，使用符號(hào)em表示；

81、2.3.11、聚合所有的捆綁中間向量，將所有的捆綁中間向量相加，結(jié)果用符號(hào)tm1+tm2+...+tmn表示；

82、2.3.12、定義捆綁加權(quán)系數(shù)，用符號(hào)√|mn|表示；

83、2.3.13、將步驟2.3.11中計(jì)算結(jié)果除以捆綁加權(quán)系數(shù)，并賦值給捆綁向量，其過(guò)程可以用符號(hào)表示為em＝(tm1+tm2+...+tmn)/√|mn|。

84、更進(jìn)一步，所述步驟3的過(guò)程如下：

85、3.1、拼接用戶向量、服務(wù)向量，構(gòu)建用戶-服務(wù)向量；

86、3.2、拼接用戶向量和捆綁向量，構(gòu)建用戶-捆綁向量。

87、所述步驟3.1中，用戶-服務(wù)向量的構(gòu)建過(guò)程如下：

88、3.1.1、遍歷服務(wù)數(shù)據(jù)集，將第i次取到的用戶記為ui；

89、3.1.2、遍歷服務(wù)數(shù)據(jù)集，將第j次取到的服務(wù)記為aj；

90、3.1.3、構(gòu)建用戶-服務(wù)向量，用符號(hào)uaij表示，并將其初始化為空向量；

91、3.1.4、基于步驟2獲取ui和aj是對(duì)應(yīng)的用戶向量和服務(wù)向量，分別用符號(hào)eui和eaj表示；

92、3.1.5、拼接eui和eaj，將結(jié)果賦值給uaij；

93、所述步驟3.2中，用戶-捆綁向量的構(gòu)建過(guò)程如下：

94、3.2.1、遍歷服務(wù)數(shù)據(jù)集，將第i次取到的用戶記為ui；

95、3.2.2、遍歷服務(wù)數(shù)據(jù)集，將第j次取到的服務(wù)組合記為mj；

96、3.2.3、構(gòu)建用戶-捆綁向量，用符號(hào)umij表示，并將其初始化為空向量；

97、3.2.4、基于步驟2獲取ui和mj是對(duì)應(yīng)的用戶向量和捆綁向量，分別用符號(hào)eui和emj表示；

98、3.2.5、拼接eui和emj，將結(jié)果賦值給umij；

99、所述步驟4的過(guò)程如下：

100、4.1、捆綁推薦分?jǐn)?shù)：[0,1]區(qū)間內(nèi)的實(shí)數(shù)，代表服務(wù)組合被推薦給用戶的概率，該分?jǐn)?shù)越高，被推薦的概率越大；

101、4.2、計(jì)算捆綁推薦分?jǐn)?shù)：基于用戶-服務(wù)向量和用戶-捆綁向量的向量乘積，得到捆綁推薦分?jǐn)?shù)；

102、4.3、基于捆綁推薦分?jǐn)?shù)產(chǎn)生進(jìn)行服務(wù)推薦：根據(jù)捆綁推薦分?jǐn)?shù)的高低對(duì)服務(wù)組合進(jìn)行排列，取分?jǐn)?shù)最高的前n1項(xiàng)服務(wù)組合，去除服務(wù)組合中重復(fù)api服務(wù)后，將剩余的api服務(wù)推薦給用戶；其中，n1為有效服務(wù)組合數(shù)，n2為服務(wù)推薦列表長(zhǎng)度；

103、所述步驟4.2中，捆綁推薦分?jǐn)?shù)的計(jì)算過(guò)程如下：

104、4.2.1、遍歷服務(wù)數(shù)據(jù)集，將第i次取到的用戶記為ui；

105、4.2.2、遍歷服務(wù)數(shù)據(jù)集，將第j次取到的服務(wù)記為aj；

106、4.2.3、遍歷服務(wù)數(shù)據(jù)集，將第k次取到的服務(wù)組合記為mk；

107、4.2.4、定義捆綁推薦分?jǐn)?shù)scoreijk，并將其初始化為0；

108、4.2.5、基于步驟3得到用戶-服務(wù)向量和用戶-捆綁向量，分別用符號(hào)uaij和umik進(jìn)行表示；

109、4.2.6、對(duì)umik進(jìn)轉(zhuǎn)置，結(jié)果用符號(hào)umikt表示；轉(zhuǎn)置是線性代數(shù)中的數(shù)學(xué)運(yùn)算，指交換向量或矩陣行和列，用符號(hào)t表示轉(zhuǎn)置操作；

110、4.2.7、計(jì)算uaij與umikt的乘積，將結(jié)果賦值給scoreijk；

111、所述步驟4.3中，服務(wù)推薦的具體過(guò)程如下：

112、4.3.1、創(chuàng)建候選服務(wù)組合集cm；

113、4.3.2、根據(jù)捆綁推薦分?jǐn)?shù)的高低對(duì)服務(wù)組合進(jìn)行排列；

114、4.3.3、將分?jǐn)?shù)最高的前n1項(xiàng)服務(wù)組合并入cm；

115、4.3.4、創(chuàng)建候選服務(wù)集cs；

116、4.3.5、遍歷cm，將第i次取到的api服務(wù)記為ai；

117、4.3.6、若cs中不含有ai，并且cs含有的api服務(wù)數(shù)量小于n2，則將ai并入cs；否則，跳轉(zhuǎn)至步驟4.3.5；

118、4.3.7、遍歷結(jié)束，將cs含有的api服務(wù)作為最終的服務(wù)推薦結(jié)果。

119、本發(fā)明的有益效果主要表現(xiàn)在：

120、(1)提出捆綁交互圖結(jié)構(gòu)對(duì)服務(wù)場(chǎng)景進(jìn)行建模，有效地表達(dá)了服務(wù)調(diào)用關(guān)系和服務(wù)組合關(guān)系；

121、(2)使用編碼器技術(shù)和有限步驟的向量運(yùn)算即可得出服務(wù)推薦結(jié)果，計(jì)算開(kāi)銷小，時(shí)間復(fù)雜度低；

122、(3)將捆綁推薦方法和服務(wù)推薦技術(shù)相結(jié)合，提高了服務(wù)推薦結(jié)果的相關(guān)性和互補(bǔ)性。