本發(fā)明屬于服務(wù)計(jì)算、云計(jì)算和云原生服務(wù)領(lǐng)域，涉及一種多樣化云原生服務(wù)推薦方法。

背景技術(shù)：

1、服務(wù)計(jì)算和云計(jì)算的發(fā)展推動(dòng)著云原生時(shí)代的到來，云原生是指在云場(chǎng)景(私有云、混合云、多云等)中構(gòu)建、部署和管理現(xiàn)代應(yīng)用程序的軟件方法。為了構(gòu)建可拓展性強(qiáng)、松耦合、彈性負(fù)載的應(yīng)用程序，現(xiàn)代組織和企業(yè)通常采取軟件即服務(wù)、函數(shù)即服務(wù)、基礎(chǔ)設(shè)施即服務(wù)、平臺(tái)即服務(wù)等模式，將算力資源、應(yīng)用程序和業(yè)務(wù)邏輯封裝為云原生服務(wù)，以滿足用戶不斷更新的需求。例如，中國(guó)專利號(hào)為：cn202110119460.6，名稱為：一種kubernetes環(huán)境下的云原生服務(wù)的共享配置資源實(shí)現(xiàn)方法，利用標(biāo)記檢測(cè)和網(wǎng)關(guān)路由更新配置數(shù)據(jù)解析規(guī)則，通過為api配置添加分布式鎖解決相同配置資源重復(fù)更新問題。中國(guó)專利號(hào)為：cn202110867082.x，名稱為：面向云原生的用戶面功能微服務(wù)系統(tǒng)，實(shí)現(xiàn)了網(wǎng)元功能彈性動(dòng)態(tài)的云化編排，為云原生理念的推進(jìn)提供了基礎(chǔ)的用戶面功能平臺(tái)。中國(guó)專利號(hào)為：cn202311654058.3，名稱為：一種基于云原生架構(gòu)的數(shù)據(jù)服務(wù)發(fā)布方法和系統(tǒng)，設(shè)計(jì)了服務(wù)腳本調(diào)試、編譯、持久化等過程，從而降低了服務(wù)開發(fā)成本和難度，增強(qiáng)了服務(wù)的高并發(fā)性和高可用性。

2、上述三項(xiàng)專利在一定程度上解決了云原生背景下的服務(wù)系統(tǒng)部署、服務(wù)發(fā)布、服務(wù)資源配置等問題，但仍存在以下缺陷和不足：

3、(1)沒有將服務(wù)發(fā)現(xiàn)、服務(wù)調(diào)用、服務(wù)組合等環(huán)節(jié)納入云原生服務(wù)生命周期。

4、(2)忽視了云原生服務(wù)的存量、結(jié)構(gòu)、模態(tài)對(duì)開發(fā)者帶來的干擾，沒有考慮服務(wù)信息過濾問題。

5、服務(wù)推薦技術(shù)能海量、異構(gòu)、多模態(tài)的云原生服務(wù)中快速有效地找到滿足開發(fā)者需求的服務(wù)，有利于過濾冗雜的服務(wù)信息，提高服務(wù)發(fā)現(xiàn)效率，近年來受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。例如，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，提出了包含多源信息的全圖模型對(duì)服務(wù)場(chǎng)景進(jìn)行建模，通過考慮多源信息對(duì)于qos的影響,自適應(yīng)地融合局部與全局的特征,以提高qos的預(yù)測(cè)精度。中國(guó)專利號(hào)為cn201510004844.8，名稱為面向云平臺(tái)應(yīng)用的服務(wù)推薦方法、設(shè)備及系統(tǒng)，根據(jù)所述服務(wù)狀態(tài)信息獲得與所述目標(biāo)服務(wù)類型匹配的服務(wù)，將所述服務(wù)作為待推薦的服務(wù)，從而提高了應(yīng)用的開發(fā)效率，提高了推薦的服務(wù)和目標(biāo)應(yīng)用的匹配度。上述方法提高了服務(wù)推薦的精確度和相關(guān)性，但缺少對(duì)多樣化服務(wù)推薦需求的考慮。

6、目前，仍不存在一種行之有效的方法，在兼顧推薦精確度和相關(guān)性的同時(shí)，能夠向開發(fā)者推薦多樣化的云原生服務(wù)。

技術(shù)實(shí)現(xiàn)思路

1、為了克服已有技術(shù)的不足，為了優(yōu)化服務(wù)推薦體驗(yàn)，提高服務(wù)推薦結(jié)果的多樣性程度，本發(fā)明提出一種基于跨視圖對(duì)比學(xué)習(xí)的多樣化云原生服務(wù)推薦方法。該方法首先從服務(wù)數(shù)據(jù)集中抽取出多種不同的圖結(jié)構(gòu)，并進(jìn)行多樣化推薦視圖劃分；其次，利用圖編碼器將多樣化推薦視圖中的圖結(jié)構(gòu)轉(zhuǎn)化為用戶向量、云原生服務(wù)向量和服務(wù)組合向量。然后，構(gòu)建用戶樣本對(duì)和服務(wù)樣本對(duì)，并進(jìn)行跨視圖對(duì)比學(xué)習(xí)；最后，基于服務(wù)推薦分?jǐn)?shù)和列表內(nèi)相似性進(jìn)行多樣化服務(wù)推薦。

2、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

3、一種基于跨視圖對(duì)比學(xué)習(xí)的多樣化云原生服務(wù)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，抽取圖結(jié)構(gòu)，包括用戶-服務(wù)圖、用戶-組合圖和組合-服務(wù)圖，然后，進(jìn)行多樣化推薦視圖劃分；

5、步驟2：針對(duì)多樣化推薦視圖中的圖結(jié)構(gòu)，利用圖編碼器進(jìn)行編碼，構(gòu)建單項(xiàng)服務(wù)視圖的用戶向量、云原生服務(wù)向量，以及組合服務(wù)視圖的用戶向量、云原生服務(wù)向量和服務(wù)組合向量；

6、步驟3：對(duì)單項(xiàng)服務(wù)視圖以及組合服務(wù)視圖中的用戶、云原生服務(wù)向量進(jìn)行數(shù)據(jù)增強(qiáng)操作，構(gòu)造用戶樣本對(duì)和服務(wù)樣本對(duì)，基于用戶樣本對(duì)和服務(wù)樣本對(duì)開展跨視圖對(duì)比學(xué)習(xí)；

7、步驟4：基于su、sa、mu、ma和mm計(jì)算服務(wù)推薦分?jǐn)?shù)和列表內(nèi)相似性，根據(jù)服務(wù)推薦分?jǐn)?shù)和列表內(nèi)相似性進(jìn)行多樣化服務(wù)推薦。

8、進(jìn)一步，所述步驟1的過程如下：

9、1.1、創(chuàng)建服務(wù)數(shù)據(jù)集：利用爬蟲程序收集云原生服務(wù)、服務(wù)組合和用戶信息，對(duì)收集結(jié)果進(jìn)行數(shù)據(jù)預(yù)處理，以此構(gòu)成服務(wù)數(shù)據(jù)集；

10、1.2、抽取用戶-服務(wù)圖：從服務(wù)數(shù)據(jù)集中抽取用戶和云原生服務(wù)之間的交互信息，將其轉(zhuǎn)化為用戶-服務(wù)圖；

11、1.3、抽取用戶-組合圖：從服務(wù)數(shù)據(jù)集中抽取用戶和服務(wù)組合之間的交互信息，將其轉(zhuǎn)化為用戶-組合圖；

12、1.4、抽取組合-服務(wù)圖：從服務(wù)數(shù)據(jù)集中抽取云原生服務(wù)與服務(wù)組合之間的組合關(guān)系，將其轉(zhuǎn)化為組合-服務(wù)圖；

13、1.5、多樣化推薦視圖劃分：將抽取得到的用戶-服務(wù)圖、用戶-組合圖和組合-服務(wù)圖劃分為單項(xiàng)服務(wù)視圖和組合服務(wù)視圖，視圖是一種集合關(guān)系，同一視圖內(nèi)的數(shù)據(jù)具有類似的特性，多樣化推薦視圖由單項(xiàng)服務(wù)視圖和組合服務(wù)視圖構(gòu)成；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、云原生服務(wù)：私有云、混合云、多云場(chǎng)景上部署和交付的服務(wù)化的應(yīng)用程序編程接口api，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)化：以soap、restful等方式發(fā)布云原生服務(wù)的過程稱之為服務(wù)化；

16、1.1.3、服務(wù)描述文檔：對(duì)云原生服務(wù)中消息類型、操作和端口信息進(jìn)行描述和規(guī)定的文檔，用符號(hào)w表示；

17、1.1.4、服務(wù)標(biāo)簽：以自然語(yǔ)言形式描述云原生服務(wù)功能類型的短文本，用符號(hào)t表示；

18、1.1.5、服務(wù)組合：以兩項(xiàng)及兩項(xiàng)以上云原生服務(wù)組合形成的服務(wù)，用符號(hào)m表示；

19、1.1.6、組合關(guān)系：若兩項(xiàng)及兩項(xiàng)以上的云原生服務(wù)構(gòu)成了服務(wù)組合，則稱此類云原生服務(wù)與該服務(wù)組合之間存在組合關(guān)系；

20、1.1.7、用戶：調(diào)用云原生服務(wù)或服務(wù)組合的開發(fā)者，用符號(hào)u表示；

21、1.1.8、數(shù)據(jù)預(yù)處理：對(duì)爬蟲程序收集的數(shù)據(jù)進(jìn)行重排序、去重復(fù)、填補(bǔ)缺失值操作；

22、1.1.9、交互關(guān)系：指用戶與云原生服務(wù)或服務(wù)組合之間存在的調(diào)用關(guān)系。所述步驟1.2中，用戶-服務(wù)圖的構(gòu)建過程如下：

23、1.2.1、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；

24、1.2.2、遍歷服務(wù)數(shù)據(jù)集，將第i次取到的用戶記為ui；

25、1.2.3、遍歷服務(wù)數(shù)據(jù)集，將第j次取到的服務(wù)記為aj；

26、1.2.4、若ui和aj之間存在交互關(guān)系，則跳轉(zhuǎn)至步驟1.2.5，否則跳轉(zhuǎn)至步驟1.2.2；

27、1.2.5、將ui轉(zhuǎn)換為節(jié)點(diǎn)vi；

28、1.2.6、將aj轉(zhuǎn)換為節(jié)點(diǎn)vj；

29、1.2.7、建立一條連接vi和vj的無向邊，用符號(hào)eij表示；

30、1.2.8、若vua中不含有vi，則將vi加入vua中；若vua中不含有vj，則將vj加入vua中；

31、1.2.9、若eua中不含有eij，則將eij加入eua中；

32、1.2.10、返回構(gòu)建完畢的gua。

33、所述步驟1.3中，用戶-組合圖的構(gòu)建過程如下：

34、1.3.1、建立用戶-組合圖，用符號(hào)gum表示，gum的點(diǎn)集用符號(hào)vum表示，

35、gum的邊集用eum表示；

36、1.3.2、遍歷服務(wù)數(shù)據(jù)集，將第i次取到的用戶記為ui；

37、1.3.3、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；

38、1.3.4、若ui和mj之間存在交互關(guān)系，則跳轉(zhuǎn)至步驟1.3.5，否則跳轉(zhuǎn)至步驟1.3.2；

39、1.3.5、將ui轉(zhuǎn)換為節(jié)點(diǎn)vi；

40、1.3.6、將mk轉(zhuǎn)換為節(jié)點(diǎn)vk；

41、1.3.7、建立一條連接vi和vk的無向邊，用符號(hào)eik表示；

42、1.3.8、若vua中不含有vi，則將vi加入vam中；若vam中不含有vk，則將vk加入vum中；

43、1.3.9、若eum中不含有eik，則將eik加入eum中；

44、1.3.10、返回構(gòu)建完畢的gum；

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

46、1.4.1、建立組合-服務(wù)圖，用符號(hào)gam表示，gam的點(diǎn)集用符號(hào)vam表示，gam的邊集用eam表示；

47、1.4.2、遍歷服務(wù)數(shù)據(jù)集，將第i次取到的服務(wù)記為ai；

48、1.4.3、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；

49、1.4.4、若ai和mj之間存在組合關(guān)系，則跳轉(zhuǎn)至步驟1.4.5，否則跳轉(zhuǎn)至步驟1.4.2；

50、1.4.5、將ai轉(zhuǎn)換為節(jié)點(diǎn)vi；

51、1.4.6、將mk轉(zhuǎn)換為節(jié)點(diǎn)vk；

52、1.4.7、建立一條連接vi和vk的無向邊，用符號(hào)eik表示；

53、1.4.8、若vam中不含有vi，則將vi加入vam中；若vam中不含有vk，則將vk加入vam中；

54、1.4.9、若eam中不含有eik，則將eik加入eam中；

55、1.4.10、返回構(gòu)建完畢的gam。

56、所述步驟1.5中，多樣化推薦視圖的構(gòu)建過程如下：

57、1.5.1、基于步驟1.2、1.3和1.4，構(gòu)建用戶-服務(wù)圖，用戶-組合圖以及組合

58、-服務(wù)圖，分別使用符號(hào)gua、gum、gma表示；

59、1.5.2、建立單項(xiàng)服務(wù)視圖，用符號(hào)single表示，單項(xiàng)服務(wù)視圖反應(yīng)了用戶與云原生服務(wù)之間的交互關(guān)系；

60、1.5.3、建立組合服務(wù)視圖，用符號(hào)multi表示，組合服務(wù)視圖反應(yīng)了用戶與服務(wù)組合之間的交互關(guān)系，以及云原生服務(wù)與服務(wù)組合之間的組合關(guān)系；

61、1.5.4、將gua加入single；

62、1.5.5、將gum、gma加入multi；

63、1.5.6、返回single和multi作為多樣化推薦視圖構(gòu)建結(jié)果。

64、再進(jìn)一步，所述步驟2的過程如下：

65、2.1、圖編碼器：圖編碼器是一種圖神經(jīng)網(wǎng)絡(luò)，將輸入的圖結(jié)構(gòu)轉(zhuǎn)化為向量；

66、2.2、構(gòu)建單項(xiàng)服務(wù)視圖中的用戶向量和云原生服務(wù)向量：利用圖編碼器對(duì)單項(xiàng)服務(wù)視圖中的用戶-服務(wù)圖進(jìn)行編碼，將用戶節(jié)點(diǎn)轉(zhuǎn)化為單項(xiàng)服務(wù)視圖中的用戶向量，使用符號(hào)su表示，將云原生服務(wù)節(jié)點(diǎn)轉(zhuǎn)化為單項(xiàng)服務(wù)視圖中的云原生服務(wù)向量，用符號(hào)sa表示；

67、2.3、構(gòu)建組合服務(wù)視圖中的用戶向量、云原生服務(wù)向量和服務(wù)組合向量：利用圖編碼器對(duì)組合服務(wù)視圖中的用戶-組合圖和組合-服務(wù)圖進(jìn)行編碼，將用戶節(jié)點(diǎn)轉(zhuǎn)化為組合服務(wù)視圖中的用戶向量，使用符號(hào)mu表示，將云原生服務(wù)節(jié)點(diǎn)轉(zhuǎn)化為單項(xiàng)服務(wù)視圖中的云原生服務(wù)向量，用符號(hào)ma表示，將服務(wù)組合節(jié)點(diǎn)轉(zhuǎn)化為服務(wù)組合向量，用符號(hào)mm表示；

68、所述步驟2.2中，單項(xiàng)服務(wù)視圖中的用戶向量和云原生服務(wù)向量的構(gòu)建過程如下：

69、2.2.1、遍歷gua中的節(jié)點(diǎn)集，將第i次取到的節(jié)點(diǎn)記為vi；

70、2.2.2、若節(jié)點(diǎn)vi由步驟1.2.5創(chuàng)建，則將其記為用戶節(jié)點(diǎn)；否則，將其記為云原生服務(wù)節(jié)點(diǎn)；

71、2.2.3、按階數(shù)遍歷節(jié)點(diǎn)vi的n階鄰居節(jié)點(diǎn)，同階鄰居節(jié)點(diǎn)構(gòu)成的集合記為vni，鄰居節(jié)點(diǎn)是指從節(jié)點(diǎn)vi出發(fā)可以到達(dá)的其他節(jié)點(diǎn)，節(jié)點(diǎn)vi和鄰居節(jié)點(diǎn)之間最短的路徑長(zhǎng)度稱為階數(shù)，用符號(hào)n表示；

72、2.2.4、創(chuàng)建向量sui和向量sai，并將其初始化為空向量；

73、2.2.5、將vi和vni輸入圖編碼器，得到向量e，若vi為用戶節(jié)點(diǎn)，則將e賦值給sui；否則，將其賦值給sai；

74、2.2.6、創(chuàng)建單項(xiàng)服務(wù)視圖下的用戶向量su，和云原生服務(wù)向量sa，并將其初始化為空向量；

75、2.2.7、對(duì)向量sui進(jìn)行聚合，并將結(jié)果賦值給用戶向量su，該過程可以用公式表示，其中，符號(hào)“＝”代表賦值操作，符號(hào)“(”和“)”為數(shù)學(xué)中的括號(hào)運(yùn)算符，符號(hào)“+”代表加法運(yùn)算，符號(hào)“×”代表乘法運(yùn)算，符號(hào)|su|代表非空向量sui的總數(shù)，符號(hào)|sa|

76、代表非空向量sai的總數(shù)；

77、2.2.8、對(duì)向量sai進(jìn)行聚合，并將結(jié)果賦值給用戶向量sa，該過程可以用公式表示；

78、2.2.9、返回su和sa。

79、所述步驟2.3中，組合服務(wù)視圖中的用戶向量、云原生服務(wù)向量和服務(wù)組合向量的構(gòu)建過程如下：

80、2.3.1、遍歷gum中的節(jié)點(diǎn)集，將第j次取到的節(jié)點(diǎn)記為vj；

81、2.3.2、遍歷gma中的節(jié)點(diǎn)集，將第k次取到的節(jié)點(diǎn)記為vk；

82、2.3.3、若節(jié)點(diǎn)vj由步驟1.3.5創(chuàng)建，則將其記為用戶節(jié)點(diǎn)；否則，將其記為服務(wù)組合節(jié)點(diǎn)；

83、2.3.4、若節(jié)點(diǎn)vk由步驟1.4.5創(chuàng)建，則將其記為云原生服務(wù)節(jié)點(diǎn)；否則，將其記為服務(wù)組合節(jié)點(diǎn)；

84、2.3.5、按階數(shù)遍歷節(jié)點(diǎn)vj的n階鄰居節(jié)點(diǎn)，同階鄰居節(jié)點(diǎn)構(gòu)成的集合記為vnj；

85、2.3.6、創(chuàng)建向量muj和向量mnj，并將其初始化為空向量；

86、2.3.7、將vj和vnj輸入圖編碼器，得到向量e1，若vj為用戶節(jié)點(diǎn)，則將e1賦值給muj；否則，將其賦值給mnj；

87、2.3.8、按階數(shù)遍歷節(jié)點(diǎn)vk的n階鄰居節(jié)點(diǎn)，同階鄰居節(jié)點(diǎn)構(gòu)成的集合記為vnk；

88、2.3.9、創(chuàng)建向量mmk和向量mak，并將其初始化為空向量；

89、2.3.10、將vk和vnk輸入圖編碼器，得到向量e2，若vk為云原生服務(wù)節(jié)點(diǎn)，則將e2賦值給mak；否則，將其賦值給mmk；

90、2.3.11、創(chuàng)建組合服務(wù)視圖下的用戶向量mu、云原生服務(wù)向量ma和服務(wù)組合向量mm，并將其初始化為空向量；

91、2.3.12、聚合向量muj，將結(jié)果賦值給mu，該過程用公式mu＝表示，符號(hào)|mu|代表非空向量mu的總數(shù)，符號(hào)

92、|mn|代表非空向量mn的總數(shù)；

93、2.3.13、聚合向量maj，將結(jié)果賦值給ma，該過程用公式ma＝表示，符號(hào)|mm|代表非空向量mm的總數(shù)，符號(hào)|ma|代表非空向量ma的總數(shù)；

94、2.3.14、聚合向量mnj，將結(jié)果賦值給mm_1，該過程用公式mm_1＝表示；

95、2.3.15、聚合向量mmk，將結(jié)果賦值給mm_2，該過程用公式mm_2＝表示；

96、2.3.16、將mm_1和mm_2相加，結(jié)果的一半賦值給mm，該過程用公式

97、mm＝(mm_1+mm_2)÷2表示；

98、2.3.17、返回mu、ma、mm。

99、更進(jìn)一步，所述步驟3的過程如下：

100、3.1、數(shù)據(jù)增強(qiáng)：數(shù)據(jù)增強(qiáng)是對(duì)比學(xué)習(xí)中常用的數(shù)據(jù)構(gòu)造方法，指通過對(duì)原數(shù)據(jù)樣本進(jìn)行掩碼、反轉(zhuǎn)、置亂操作，構(gòu)造出新的數(shù)據(jù)樣本的過程；

101、3.2、用戶樣本對(duì)：用符號(hào)“du”表示通過數(shù)據(jù)增強(qiáng)構(gòu)造出的用戶向量，du和su構(gòu)成單項(xiàng)服務(wù)視圖中的用戶樣本對(duì)，用符號(hào)<su,du>表示；du和mu構(gòu)成組合服務(wù)視圖中的用戶樣本對(duì)，用符號(hào)<mu,du>表示；

102、3.3、服務(wù)樣本對(duì)：用符號(hào)“da”表示通過數(shù)據(jù)增強(qiáng)構(gòu)造出的服務(wù)向量，da和sa構(gòu)成單項(xiàng)服務(wù)視圖中的服務(wù)樣本對(duì)，用符號(hào)<sa,da>表示；da和ma構(gòu)成組合服務(wù)視圖中的服務(wù)樣本對(duì)，用符號(hào)<ma,da>表示；

103、3.4、通過數(shù)據(jù)增強(qiáng)操作，構(gòu)造用戶樣本對(duì)和服務(wù)樣本對(duì)：利用伯努利分布構(gòu)造掩碼向量x，將su、sa、mu、ma與x進(jìn)行逐位與操作，對(duì)應(yīng)步驟3.2和3.3，將生成結(jié)果記為du和da，在此基礎(chǔ)上，將su、sa、mu、ma和du、da組成用戶樣本對(duì)和服務(wù)樣本對(duì)；

104、3.5、基于用戶樣本對(duì)和服務(wù)樣本對(duì)開展跨視圖對(duì)比學(xué)習(xí)：使用對(duì)比學(xué)習(xí)損失函數(shù)對(duì)<su,du>、<mu,du>、<sa,da>、<ma,da>開展跨視圖對(duì)比學(xué)習(xí)，使用優(yōu)化器進(jìn)行隨機(jī)梯度下降。

105、所述步驟3.4中，通過數(shù)據(jù)增強(qiáng)操作，構(gòu)造用戶樣本對(duì)和服務(wù)樣本對(duì)的過程如下：

106、3.4.1、創(chuàng)建掩碼向量x，并使用伯努利分布對(duì)其進(jìn)行初始化，掩碼概率設(shè)置為p，p為超參數(shù)，是[0,1]區(qū)間內(nèi)的實(shí)數(shù)；

107、3.4.2、創(chuàng)建向量du，并將其初始化為空向量；

108、3.4.3、逐位取su、mu與x的向量值，將第i次取到的向量值記為su[i]、

109、mu[i]和x[i]；

110、3.4.4、若x[i]為1，則保留su[i]和mu[i]；否則，修改su的向量值，將su[i]賦值為0，修改mu的向量值，將mu[i]賦值為0；

111、3.4.5、用符號(hào)“su_t”和“mu_t”表示逐位修改后的su和mu；

112、3.4.6、將su_t賦值給du并創(chuàng)建單項(xiàng)服務(wù)視圖中的用戶樣本對(duì)<su,du>；3.4.7、將mu_t賦值給du并創(chuàng)建組合服務(wù)視圖中的用戶樣本對(duì)<mu,du>；3.4.8、創(chuàng)建掩碼向量y，并使用伯努利分布對(duì)其進(jìn)行初始化，掩碼概率設(shè)置為q，q為超參數(shù)，是[0,1]區(qū)間內(nèi)的實(shí)數(shù)；

113、3.4.9、創(chuàng)建向量da，并將其初始化為空向量；

114、3.4.10、逐位取sa、ma與y的向量值，將第j次取到的向量值記為sa[j]、ma[j]和y[j]；

115、3.4.11、若y[j]為1，則保留sa[j]和ma[j]；否則，修改sa的向量值，將sa[j]賦值為0，修改ma的向量值，將ma[j]賦值為0；

116、3.4.12、用符號(hào)“sa_t”和“ma_t”表示逐位修改后的sa和ma；

117、3.4.13、將sa_t賦值給da，創(chuàng)建單項(xiàng)服務(wù)視圖中的服務(wù)樣本對(duì)<sa,da>；3.4.14、將ma_t賦值給da，創(chuàng)建組合服務(wù)視圖中的用戶樣本對(duì)<ma,da>；3.4.15、返回<su,du>、<mu,du>、<sa,da>、<ma,da>。

118、所述步驟3.5中，跨視圖對(duì)比學(xué)習(xí)的過程如下：

119、3.5.1、定義優(yōu)化器optimizer；

120、3.5.2、定義對(duì)比損失函數(shù)loss_user；

121、3.5.3、定義溫度系數(shù)t，t為超參數(shù)，是[0,1]區(qū)間內(nèi)的實(shí)數(shù)；

122、3.5.4、定義樣本對(duì)<su,du>、<mu,du>之間的相似度，分別用符號(hào)sim(su,du)和sim(mu,du)表示；

123、3.5.5、計(jì)算su和du之間的向量點(diǎn)積，然后除以各自的向量模，并將結(jié)果賦值給sim(su,du)，向量點(diǎn)積是指兩個(gè)向量在歐幾里得空間中的標(biāo)準(zhǔn)內(nèi)積，向量模是指向量在空間中的長(zhǎng)度；

124、3.5.6、計(jì)算mu和du之間的向量點(diǎn)積，然后除以各自的向量模，并將結(jié)果賦值給sim(mu,du)；

125、3.5.7、將sim(su,du)除以t，并進(jìn)行以自然常數(shù)e為底的指數(shù)運(yùn)算，結(jié)果用符號(hào)exp(sim(su,du)÷t)表示，符號(hào)exp代表指數(shù)運(yùn)算；

126、3.5.8、將sim(mu,du)除以t，并進(jìn)行以自然常數(shù)e為底的指數(shù)運(yùn)算，結(jié)果用符號(hào)exp(sim(mu,du)÷t)表示；

127、3.5.9、將exp(sim(su,du)÷t)除以exp(sim(mu,du)÷t)，取對(duì)數(shù)后賦值給loss_user；

128、3.5.10、定義對(duì)比損失函數(shù)loss_api；

129、3.5.11、定義樣本對(duì)<sa,da>、<ma,da>之間的相似度，分別用符號(hào)sim(sa,da)和sim(ma,da)表示；

130、3.5.12、計(jì)算sa和da之間的向量點(diǎn)積，然后除以各自的向量模，并將結(jié)果賦值給sim(sa,da)；

131、3.5.13、計(jì)算ma和da之間的向量點(diǎn)積，然后除以各自的向量模，并將結(jié)果賦值給sim(ma,da)；

132、3.5.14、將sim(sa,da)除以t，并進(jìn)行以自然常數(shù)e為底的指數(shù)運(yùn)算，結(jié)果用符號(hào)exp(sim(sa,da)÷t)表示；

133、3.5.15、將sim(ma,da)除以t，并進(jìn)行以自然常數(shù)e為底的指數(shù)運(yùn)算，結(jié)果用符號(hào)exp(sim(ma,da)÷t)表示；

134、3.5.16、將exp(sim(sa,da)÷t)除以exp(sim(ma,da)÷t)，取對(duì)數(shù)后賦值給loss_api；

135、3.5.17、定義對(duì)比損失函數(shù)loss，將loss_user和loss_api相加后賦值給loss；

136、3.5.18、定義訓(xùn)練批次epoch，epoch代表訓(xùn)練次數(shù)；

137、3.5.19、使用optimizer進(jìn)隨機(jī)梯度下降，從而降低loss的取值；

138、3.5.20、將epoch-1；

139、3.5.21、若epoch＝0，則結(jié)束隨機(jī)梯度下降過程。

140、所述步驟4的過程如下：

141、4.1、服務(wù)推薦分?jǐn)?shù)：[0,1]區(qū)間內(nèi)的實(shí)數(shù)，使用符號(hào)score表示，代表云原生服務(wù)被推薦給用戶的概率，該分?jǐn)?shù)越高，被推薦的概率越大；

142、4.2、服務(wù)推薦列表：由推薦給用戶的云原生服務(wù)構(gòu)成的列表，用符號(hào)list表示，列表的長(zhǎng)度用符號(hào)l表示，l為超參數(shù)；

143、4.3、列表內(nèi)相似性：[0,1]區(qū)間內(nèi)的實(shí)數(shù)，使用符號(hào)“ilr”表示，代表服務(wù)推薦列表的多樣性程度，ilr的取值越大，說明服務(wù)推薦列表中云原生服務(wù)之間的相似度越高，服務(wù)推薦列表的多樣性越差；

144、4.4、多樣性閾值：超參數(shù)，[0,1]區(qū)間內(nèi)的實(shí)數(shù)，使用符號(hào)“mg”表示；

145、4.5、計(jì)算服務(wù)推薦分?jǐn)?shù)：拼接su和mu向量，拼接sa、ma向量，計(jì)算拼接后向量的乘積，得到服務(wù)推薦分?jǐn)?shù)；

146、4.6、根據(jù)服務(wù)推薦分?jǐn)?shù)和列表內(nèi)相似度進(jìn)行多樣化服務(wù)推薦：根據(jù)服務(wù)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l(fā)項(xiàng)云原生服務(wù)，構(gòu)成服務(wù)推薦列表，計(jì)算服務(wù)推薦列表的ilr，若ilr小于mg，則將服務(wù)推薦列表中的云原生服務(wù)作為多樣化服務(wù)推薦結(jié)果。

147、所述步驟4.3中，列表內(nèi)相似性的計(jì)算過程過程如下：

148、4.3.1、定義列表內(nèi)相似性ilr，并將其初始化為0；

149、4.3.2、定義總相似度total_sim、相似度上限max_sim；

150、4.3.3、遍歷list，將第i次取到的云原生服務(wù)記為ai；

151、4.3.4、遍歷list，將第j次取到的云原生服務(wù)記為aj；

152、4.3.5、定義ai和aj之間的相似度sim(ai,aj)；

153、4.3.6、拼接ai對(duì)應(yīng)的向量sai、mai和mmi，結(jié)果用符號(hào)

154、表示；

155、4.3.7、拼接aj對(duì)應(yīng)的向量saj、maj和mmj，結(jié)果用符號(hào)

156、表示；

157、4.3.8、計(jì)算與與之間的向量點(diǎn)積，然后除以各自的向量模，將計(jì)算結(jié)果賦值給sim(ai,aj)；

158、4.3.9、若i和j不相等，則將total_sim和sim(ai,aj)相加，并將max_sim和1相加；

159、4.3.10、結(jié)束遍歷，將total_sim除以max_sim，并將結(jié)果賦值給ilr；

160、4.3.11、返回ilr。

161、所述步驟4.5中，服務(wù)推薦分?jǐn)?shù)的計(jì)算過程如下：

162、4.5.1、將多樣化服務(wù)推薦的目標(biāo)用戶定義為ui；

163、4.5.2、遍歷服務(wù)數(shù)據(jù)集，將第j次取到的服務(wù)記為aj；

164、4.5.3、將ui和aj之間的服務(wù)推薦分?jǐn)?shù)定義為socrei,j；

165、4.5.4、將單項(xiàng)服務(wù)視圖中的ui和aj相應(yīng)的用戶向量、云原生服務(wù)向量定義為sui與sai；將組合服務(wù)視圖中的ui和aj相應(yīng)的用戶向量、云原生服務(wù)向量定義為mui與mai；

166、4.5.5、拼接su和mu向量，結(jié)果用符號(hào)表示，符號(hào)表示向量的拼接運(yùn)算；

167、4.5.6、拼接sa和ma向量，結(jié)果用符號(hào)表示；

168、4.5.7、對(duì)進(jìn)轉(zhuǎn)置，結(jié)果用符號(hào)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；

169、4.5.8、計(jì)算的乘積，將結(jié)果賦值給socrei,j；

170、4.5.9、返回服務(wù)推薦分?jǐn)?shù)socrei,j。

171、所述步驟4.6中，多樣化服務(wù)推薦的過程如下：

172、4.6.1、針對(duì)目標(biāo)用戶ui，基于步驟4.5獲取服務(wù)推薦分?jǐn)?shù)；

173、4.6.2、取分?jǐn)?shù)最高的l項(xiàng)云原生服務(wù)，構(gòu)成服務(wù)推薦列表list，剩余的云原生服務(wù)構(gòu)成的列表用符號(hào)“l(fā)eft”表示；

174、4.6.3、基于步驟4.3計(jì)算list的ilr；

175、4.6.4、若ilr小于mg，跳轉(zhuǎn)至步驟4.6.8；否則跳轉(zhuǎn)至步驟4.6.5；

176、4.6.5、若ilr大于mg，且left為空列表，則跳轉(zhuǎn)至步驟4.6.8；否則跳轉(zhuǎn)至步驟4.6.6；

177、4.6.6、隨機(jī)刪去list中的任意一項(xiàng)云原生服務(wù)，在left中取分?jǐn)?shù)最高的云原生服務(wù)，將其從left中刪去，然后加入list；

178、4.6.7、跳轉(zhuǎn)至步驟4.6.3；

179、4.6.8、將list中的云原生服務(wù)作為多樣化服務(wù)推薦結(jié)果返回給ui。

180、本發(fā)明的有益效果主要表現(xiàn)在：

181、(1)面向服務(wù)場(chǎng)景提出多種不同的圖結(jié)構(gòu)和多樣化推薦視圖，有效地表達(dá)了服務(wù)交互關(guān)系和服務(wù)組合關(guān)系；

182、(2)將編碼器與跨視圖對(duì)比學(xué)習(xí)技術(shù)相結(jié)合，能充分提取圖結(jié)構(gòu)特征，并將其轉(zhuǎn)化為向量表示；

183、(3)同時(shí)利用服務(wù)推薦分?jǐn)?shù)和列表內(nèi)相似度進(jìn)行服務(wù)推薦，提高了服務(wù)推薦結(jié)果的多樣性，優(yōu)化用戶體驗(yàn)。