[发明专利]基于三维张量高阶特征交互的云API服务质量预测方法

权利要求书

1.一种基于三维张量高阶特征交互的云API服务质量预测方法，其特征在于：包括以下步骤：

步骤1，获取云API服务质量数据集；

根据业务需求的服务质量预测目标，采集云API服务质量数据集；

步骤2，设计异常点检测模块，检测筛除云API服务质量数据集异常离群点；

当云API服务质量数据采集完成后，其中部分服务质量采集值是在网络拥塞状态下采集的，会与网络畅通状态下的服务质量表现存在较大的偏差，因此采用离群点检测技术将其从云API服务质量数据集中筛除；

步骤3，设计空间位置信息优化模块，充分提取经纬坐标产生的信息；

通常采集的数据集中表征地理位置的经纬坐标多为数值表示形式，将经纬坐标提取为具体的地理坐标信息，增强特征的可解释性；

步骤4，构建可自适应的三维张量高阶特征交互网络模型，将步骤2-3处理后的用户特征和云API特征输入网络模型中，得到高阶特征交互后产生的新特征信息；

将步骤2-3处理完的云API服务质量数据集，输入三维张量高阶特征交互模型中，生成高阶特征交互后的结果向量；

步骤5，将新特征信息输入深度神经网络层中，其结果向量通过全连接层得到云API服务质量预测值；

将步骤4的结果向量输入深度神经网络层中充分学习，再经过一个全连接层获得最终的预测结果。

2.根据权利要求1所述的一种基于三维张量高阶特征交互的云API服务质量预测方法，其特征在于：所述步骤1中的获取云API服务质量数据集具体为：

利用云API服务质量监测工具在不同地区以随机分布的方式对云API服务质量数据进行采集，除必需的用户标号、云API标号和服务质量值外，选取有益的用户、云API特征数据加入采集的服务质量数据集中；最终用户特征UF，云API特征AF表示为：

UF＝UID+∑U_c

AF＝AID+∑A_c

其中，UID为用户标号，AID是云API标号，UID和AID均为必选项；U_c表示选择的用户有益特征，A_c表示选择的云API有益特征。