(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211275152.3 (22)申请日 2022.10.18 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 卜晓璇　续倩　谭珂　徐云筱　 马嘉琪　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 李辉　樊一槿 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 原子服务组合优化方法及装置 (57)摘要 本申请实施例提供一种原子服务组合优化 方法及装置， 涉及机器学习领域， 方法包括： 对数 据集中的原子服务进行聚类， 得到原子服务组合 样本集； 根据所述原子服务组合样 本集对预设组 合推荐神经网络模型进行预训练， 得到经过预训 练后的组合推荐神经网络模型； 通过梯度下降算 法对所述组合推荐神经网络模型进行模型训练， 并根据模型训练结果更新所述原子服务组合样 本集， 直至经过模型训练后的组合推荐神经网络 模型满足预设收敛条件； 本申请能够准确、 高效 得为用户选择原子服 务组合。 权利要求书2页 说明书10页 附图5页 CN 115545162 A 2022.12.30 CN 115545162 A 1.一种原子服 务组合优化方法， 其特 征在于， 所述方法包括： 对数据集中的原子服 务进行聚类， 得到原子服 务组合样本集； 根据所述原子服务组合样本集对预设组合推荐神经网络模型进行预训练， 得到经过预 训练后的组合推荐神经网络模型； 通过梯度 下降算法对所述组合推荐神经网络模型进行模型训练， 并根据模型训练结果 更新所述原子服务组合样本集， 直至经过模型训练后的组合推荐神经网络模型满足预设收 敛条件。 2.根据权利要求1所述的原子服务组合优化方法， 其特征在于， 所述对数据集中的原子 服务进行聚类， 得到原子服 务组合样本集， 包括： 根据功能类型不同对设定数据集中的各原子服务进行聚类， 生成待选择优化的抽象组 合服务； 根据所述抽象组合 服务， 得到原子服 务组合样本集。 3.根据权利要求2所述的原子服务组合优化方法， 其特征在于， 所述根据 所述抽象组合 服务， 得到原子服 务组合样本集， 包括： 根据所述抽象组合 服务随机生成多个不同的原子服 务组合样本； 根据预设样本优选规则从多个不同的原子组合样本中选取设定数量的原子服务组合 得到原子服 务组合样本集。 4.根据权利要求1所述的原子服务组合优化方法， 其特征在于， 所述根据 所述原子服务 组合样本集对预设组合推荐神经网络模型进 行预训练， 得到经过预训练后的组合推荐神经 网络模型， 包括： 根据所述原子服务组合样本集对预设组合推荐神经网络进行最大似然估计预训练， 得 到经过预训练后的组合推荐神经网络模型。 5.根据权利要求1所述的原子服务组合优化方法， 其特征在于， 所述通过梯度 下降算法 对所述组合推荐神经网络模型进行模型训练， 包括： 通过小批量梯度 下降算法对所述组合推荐神经网络模型进行模型训练， 得到预测结果 集。 6.根据权利要求5所述的原子服务组合优化方法， 其特征在于， 所述根据模型训练结果 更新所述原子服务组合样本集， 直至经过模型训练后的组合推荐神经网络模型满足预设收 敛条件， 包括： 计算所述预测结果 集的服务质量数值与预设服 务质量阈值的差值； 根据所述差值更新所述原子服务组合样本集， 直至经过模型训练后的组合推荐神经网 络模型满足预设收敛 条件。 7.一种原子服 务组合优化装置， 其特 征在于， 包括： 初始化模块， 用于对数据集中的原子服 务进行聚类， 得到原子服 务组合样本集； 预训练模块， 用于根据 所述原子服务组合样本集对预设组合推荐神经网络模型进行预 训练， 得到经 过预训练后的组合推荐神经网络模型； 强化学习模块， 用于通过梯度下降算法对所述组合推荐神经网络模型进行模型训练， 并根据模型训练结果更新所述原子服务组合样本集， 直至经过模型训练后的组合推荐神经 网络模型满足预设收敛 条件。权　利　要　求　书 1/2 页 2 CN 115545162 A 28.根据权利要求7 所述的原子服 务组合优化装置， 其特 征在于， 所述初始化模块包括： 聚类单元， 用于根据功能类型不同对设定数据集中的各原子服务进行聚类， 生成待选 择优化的抽象组合 服务； 样本构建单 元， 用于根据所述抽象组合 服务， 得到原子服 务组合样本集。 9.根据权利要求8所述的原子服务组合优化装置， 其特征在于， 所述样本构建单元包 括： 随机子单元， 用于根据所述抽象组合 服务随机生成多个不同的原子服 务组合样本； 抽取子单元， 用于根据 预设样本优选规则从多个不同的原子组合样本中选取设定数量 的原子服 务组合得到原子服 务组合样本集。 10.根据权利要求7 所述的原子服 务组合优化装置， 其特 征在于， 所述预训练模块包括： 最大似然估计单元， 用于根据 所述原子服务组合样本集对预设组合推荐神经网络进行 最大似然估计预训练， 得到经 过预训练后的组合推荐神经网络模型。 11.根据权利要求7所述的原子服务组合优化装置， 其特征在于， 所述强化学习模块包 括： 梯度下降单元， 用于通过小批量梯度 下降算法对所述组合推荐神经网络模型进行模型 训练， 得到预测结果 集。 12.根据权利要求7所述的原子服务组合优化装置， 其特征在于， 所述强化学习模块还 包括： 服务质量计算单元， 用于计算预测结果集的服务质量数值与预设服务质量阈值的差 值； 收敛训练单元， 用于根据差值更新所述原子服务组合样本集， 直至经过模型训练后的 组合推荐神经网络模型满足预设收敛 条件。 13.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求1至6任一项所述的原子服 务组合优化方法的步骤。 14.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现权利要求1至 6任一项所述的原子服 务组合优化方法的步骤。 15.一种计算机程序产品， 包括计算机程序/指令， 其特征在于， 该计算机程序/指令被 处理器执行时实现权利要求1至 6任一项所述的原子服 务组合优化方法的步骤。权　利　要　求　书 2/2 页 3 CN 115545162 A 3