基于深度学习和链路预测的服务组合与推荐方法

Under the environment of Internet of Service, the service consumers still need to face the issues of severe information overload, dynamically evolutionary pattern of service composition, and large-scale personalized queries, to reuse the massive business services effectively and build service compositions for value-add. Traditional methods for service composition lack the ability of reasoning and still need a lot of manual intervention when building profiles for the requirements of consumers and making service compositions, thus cannot fit the demand of quick response to user queries and generation of service compositions. In this project, the travel service composition, i.e., travel package, is chosen as a specific background for studying, and we try to study how to build service compositions with high quality automatically for the large-scale personalized queries, with the dynamic nature of service composition considered. Four detailed research works are planned. The first research work is the study of decomposing the user queries, which is in the form of nature language, and generating the service compositions automatically for the queries. The second research work is the study of refreshing the set of existing service compositions, with the usage records of the massive service compositions and individual services, as well as the dynamically evolutionary nature of service compositions taken into consideration. The third research work is the study of generalized modeling the context information, and how context-aware service composition recommendation can be achieved. The forth research work is the building of intelligent tourism service platform prototype system, which can be used to evaluate the theoretical results of this project.

服务互联网（Internet of Service ）环境下，服务消费者在高效率地利用海量业务服务构建服务组合的过程中，仍然面临信息过载、动态演化的服务组合模式、大规模个性化的客户需求等困难。传统的服务组合方法在用户需求建模和服务组合生成方面仍存在缺乏推理能力、依赖人工介入的问题，难以适应快速响应用户需求、自动生成服务组合的需要。本项目拟选择旅游服务组合，即旅行包为具体背景，面向自然语言形式的用户请求，考虑服务组合模式的动态演化，研究如何自动构建并推荐服务组合。研究内容包括四方面：首先，研究自然语言形式用户请求的需求分解方法，并自动生成服务组合方案；然后，考虑服务组合模式的动态特性，研究服务组合方案集合的演化机理与生成方法；第三，对用户请求及上下文信息进行获取和建模，研究融合上下文与用户请求的服务组合推荐方法；最后，通过构建基于SOA架构的智能旅游服务平台原型系统来对研究的成果进行验证。

随着服务经济时代的来临，大力发展现代服务业顺其自然地成为我国“十四五”规划中的重要战略目标。在大数据、云计算、区块链等变革性信息技术的驱动下，信息化、数字化成为现代服务业的重要标志之一。作为现代服务业的重要组成部分，旅游服务业是推动国家、地区发展的重要动力，也是文化传播的重要渠道。本项目以旅游服务业为研究基点，探索智能化的旅游服务自动组合与推荐方法。.按照立项时制定的研究计划，本资助项目的研究内容有以下四个。针对基于分层狄利克雷过程与Word2Vec模型的旅行包自动组合方法研究，课题组首先对服务描述文档进行了重构研究，提出了开发者关于服务描述的概率图模型，提升了输入数据的可用性；接着对服务功能做了聚类分析，提出了服务特征-隐狄利克雷模型生成服务的主题概率分布，并聚类出意义鲜明的团簇；最后，提出了多种旅行包自动组合方法，满足了消费者不同场景下的差异化需求。针对基于链路预测的旅行包组合演化生成方法研究，课题组首先对服务消亡的概率估计开展研究，提出了基于泊松分解的服务消亡预测模型；接着提出了一种基于共现主题的服务组合模式的演化分析方法，可用于确定消亡服务的替代集。针对基于深度学习的上下文感知个性化旅行包推荐方法研究，课题组首先研究了多目标的旅行包评价体系，提出了可调节的旅游服务评价框架，以满足不同价值导向用户的服务选择需求；接着提出了基于深度学习的服务组合推荐方法，兼顾用户显性需求和上下文隐性需求，给出更令用户满意的旅行包推荐方案。针对基于SOA架构的智能旅游服务平台原型系统的构建，课题组开发了“北京智能旅游”微信公众平台和“AI校园游”微信小程序等原型系统。.本资助项目取得了丰硕的研究成果，共发表24篇论文，包括9篇SCI期刊论文和14篇EI论文；共提交10项国家发明专利；共提交3项软件著作权。所取得成果在推动我国旅游服务业发展上具有重大价值。