摘要
本发明公开了一种基于注意力机制与时间感知的互联网服务筛选方法,包括获取目标用户在调用多个备选互联网服务时对应的服务质量时间序列;将服务质量时间序列输入预先训练好的互联网服务质量预测模型中,得到多个与备选互联网服务对应的服务质量预测值;根据服务质量预测值,选取目标用户在调用服务时数据吞吐量和响应时间最佳的互联网服务。本发明通过提取了用户和服务在不同时间片中变化特征的用户‑服务增强特征,提高了对互联网服务质量值预测的准确性,有利于对用户当前互联网服务的精准选取,改善了用户在调用互联网服务的数据吞吐量的响应时间,解决了当前模型在捕捉QoS值时特征提取能力不足的问题。
技术关键词
筛选方法
感知特征
多头注意力机制
更新模型参数
时间片
数据吞吐量
深度神经网络
互联网
序列
特征提取能力
样本
梯度下降法
特征提取模块