[发明专利]异构图注意力网络增强的Web服务分类方法

说明书

本发明公开了异构图注意力网络增强的Web服务分类方法，首先利用组合服务信息、原子服务信息和它们各自的属性信息构建一个异构信息服务网络。根据不同语义信息定义元路径，并利用交换矩阵和基于元路径的相似度度量技术，构造服务相似度矩阵。设计服务双层注意力模型，分别计算服务的节点级注意力及语义级注意力，从而得到服务的节点级表征及语义级表征，以融合生成更具表达力的服务特征嵌入。本发明属于移动应用技术领域，具体是指异构图注意力网络增强的Web服务分类方法。

技术领域

本发明属于移动应用技术领域，具体是指异构图注意力网络增强的Web服务分类方法。

背景技术

服务分类有助于提高服务查找和服务发现的效率。现有的方法主要聚焦于同构图下的研究，然而，真实世界中的服务数据由于其异质性，同构图的研究方法无法很好地处理服务关系网络中多种类型的节点和边，同时缺乏对丰富语义信息的利用。而异构图注意力网络的出现能够有效地解决上述问题，因为它可以对服务关系链中的不同类型的关系和节点进行更完整自然的抽象，并很好的区分邻居节点的重要性和元路径的重要性。因此，本文提出一种基于异构图注意力网络的Web服务分类方法。

发明内容

为了解决上述难题，本发明提供了异构图注意力网络增强的Web服务分类方法。

本发明采取的技术方案如下：异构图注意力网络增强的Web服务分类方法，包括如下步骤：

1)构造基于元路径的服务相似度矩阵：针对每条元路径采用Pathsim计算服务之间的相似性；给定一个对称的元路径P，S(A_i，A_j)通过两个方面来定义：两个服务A_i和A_j定义在元路径上的联系以及它们与自身的路径实例个数。因此，两个服务A_i和A_j的Pathsim值如公式(1)所示：

其中，是服务A_i和A_j之间的路径实例，当元路径的中间节点数超过1个时，采用交互矩阵将路径中不同关系矩阵进行连接，如公式(2)所示：

其中，为通过服务与其他类型节点之间的关系R_i得到的关系矩阵，M_ij为服务A_i和A_j在特定关系下交互矩阵中对应的值；从而服务A_i和A_j的Pathsim值演变为了服务交换矩阵中的值的计算，如公式(3)所示：

计算出每条元路径下两两服务之间的相似度后，通过设置超参数确定相似度阈值；并将相似度超过阈值的服务确定为邻居服务，并对其应用onehot编码，每一个邻接矩阵代表一个基于元路径引导的邻域；

2)节点级别注意力：针对每条元路径产生邻接矩阵，设计节点级注意力的计算，其输入是服务的特征向量，输出为不同元路径下服务的表征向量；首先用线性层对输入的特征向量进行特征增强，如公式(4)所示，

f′＝W_Lf                 (4)