面向工作流组合中服务推荐的上下文感知服务表示学习

随着越来越多软件服务发布到互联网上，推荐合适服务以辅助科学工作流组合仍是一项重大挑战。本文提出一种受NLP启发的新型方法，基于从工作流溯源中增量学习潜在服务表示，在工作流开发过程中推荐服务。工作流组合过程被形式化为逐步的、上下文感知的服务生成过程，其被映射到自然语言句子中的下一词预测。从历史工作流溯源中提取服务依赖关系以构建并丰富知识图谱。知识图谱中的每条路径反映数据分析实验中的一个场景，类似于对话中的一句话。所有路径由此被形式化为可组合服务序列，并从所建知识图谱中以多种模式挖掘以构建语料库。随后通过应用NLP领域的深度学习模型学习服务嵌入。在真实数据集上的大量实验证明了该方法的有效性与高效性。