基于大语言模型和孪生神经网络的多服务组合推荐方法

本发明涉及基于大语言模型和孪生神经网络的多服务组合推荐方法，分别通过LLM从服务和Mashup的文本信息中提取实体和关系，构建服务‑实体图或Mashup‑实体图。接着，通过文本向量化手段结合调用关系和实体间向量相似度，对服务‑实体图和Mashup‑实体图进行融合与简化。然后，将关系的向量表示纳入注意力评分函数，利用异构图注意力神经网络在服务‑Mashup图上生成服务和Mashup需求的向量表示，并返回匹配度最高的一组服务。最后，通过孪生神经网络对服务和Mashup的编码进行处理，计算出Mashup需求与候选服务之间未被满足的需求特征，基于此特征进行多服务组合推荐。本发明与同类方法进行比较的结果表明，能够显著提高多服务组合推荐任务的推荐准确性。