一種基于多層次圖變分推斷的服務(wù)網(wǎng)絡(luò)感知學(xué)習(xí)方法

本技術(shù)涉及大數(shù)據(jù)處理，具體而言，涉及一種基于多層次圖變分推斷的服務(wù)網(wǎng)絡(luò)感知學(xué)習(xí)方法。

背景技術(shù)：

1、隨著現(xiàn)代服務(wù)產(chǎn)業(yè)的發(fā)展，服務(wù)產(chǎn)業(yè)愈發(fā)復(fù)雜多樣化，與第一產(chǎn)業(yè)（例如，農(nóng)業(yè)、漁業(yè)等）和第二產(chǎn)業(yè)（例如，采礦業(yè)、制造業(yè)等）不再是簡(jiǎn)單的單向依賴關(guān)系，呈現(xiàn)復(fù)雜且耦合的相互作用關(guān)系，因此各種服務(wù)產(chǎn)業(yè)（例如，貨物運(yùn)輸業(yè)、旅游業(yè)等）的服務(wù)網(wǎng)絡(luò)開始逐步呈現(xiàn)全要素復(fù)雜化連接趨勢(shì)，并且具有非歐幾里得拓?fù)浣Y(jié)構(gòu)。其中，一個(gè)廣義復(fù)雜服務(wù)網(wǎng)絡(luò)可以包括服務(wù)站點(diǎn)、資源、供應(yīng)站、用戶、制造商、派送中心等節(jié)點(diǎn)元素，并通過(guò)眾多節(jié)點(diǎn)要素之間的各種連接形式，共同構(gòu)建了包含屬性信息的服務(wù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

2、在現(xiàn)今的數(shù)字化、復(fù)雜化的發(fā)展背景下，各種服務(wù)產(chǎn)業(yè)均存在大量多源、異構(gòu)、冗余、稀疏的通用服務(wù)數(shù)據(jù)，大量數(shù)據(jù)的出現(xiàn)使傳統(tǒng)模型驅(qū)動(dòng)方法難以滿足當(dāng)今服務(wù)網(wǎng)絡(luò)在感知、決策、規(guī)劃、控制等環(huán)節(jié)處的數(shù)據(jù)處理需求。其中，信息感知任務(wù)屬于服務(wù)網(wǎng)絡(luò)執(zhí)行各種下游任務(wù)（例如，智能決策任務(wù)、智能控制等）的基礎(chǔ)前提，信息感知任務(wù)的感知質(zhì)量好壞決定了各種下游任務(wù)的執(zhí)行質(zhì)量。

3、同時(shí)，因服務(wù)產(chǎn)業(yè)與第一產(chǎn)業(yè)和第二產(chǎn)業(yè)高度關(guān)聯(lián)且信息耦合，對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)實(shí)質(zhì)存在服務(wù)實(shí)體節(jié)點(diǎn)的多樣性、系統(tǒng)內(nèi)部動(dòng)力學(xué)的可變性以及各類大數(shù)據(jù)之間的多維關(guān)聯(lián)性等固有系統(tǒng)特性，導(dǎo)致服務(wù)網(wǎng)絡(luò)中各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)之間具有非常復(fù)雜的相互作用特性，而技術(shù)進(jìn)步、人類決策和政治社會(huì)政策變化等影響因素會(huì)進(jìn)一步加劇相互作用特性的復(fù)雜衍變，不同影響因素可以單一作用，也可以相互耦合，造成了整個(gè)服務(wù)網(wǎng)絡(luò)系統(tǒng)的復(fù)雜屬性。因此，對(duì)當(dāng)今服務(wù)網(wǎng)絡(luò)來(lái)說(shuō)，很難量化每種影響因素所導(dǎo)致的網(wǎng)絡(luò)節(jié)點(diǎn)相互作用狀況，難以對(duì)服務(wù)網(wǎng)絡(luò)中各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)之間的耦合相互作用關(guān)系進(jìn)行有效感知，嚴(yán)重影響對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)的下游任務(wù)執(zhí)行質(zhì)量。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)的目的在于提供一種基于多層次圖變分推斷的服務(wù)網(wǎng)絡(luò)感知學(xué)習(xí)方法，能夠?qū)δ繕?biāo)服務(wù)網(wǎng)絡(luò)內(nèi)部耦合的節(jié)點(diǎn)相互作用關(guān)系進(jìn)行解耦和表征，以實(shí)現(xiàn)對(duì)目標(biāo)服務(wù)網(wǎng)絡(luò)內(nèi)部復(fù)雜節(jié)點(diǎn)相互作用關(guān)系的精準(zhǔn)感知，便于提升目標(biāo)服務(wù)網(wǎng)絡(luò)的下游任務(wù)執(zhí)行質(zhì)量。

2、為了實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例采用的技術(shù)方案如下：

3、第一方面，本技術(shù)提供一種基于多層次圖變分推斷的服務(wù)網(wǎng)絡(luò)感知學(xué)習(xí)方法，所述方法包括：

4、獲取目標(biāo)服務(wù)網(wǎng)絡(luò)的實(shí)際圖結(jié)構(gòu)數(shù)據(jù)；

5、調(diào)用與所述目標(biāo)服務(wù)網(wǎng)絡(luò)匹配的目標(biāo)分層次圖變分推斷網(wǎng)絡(luò)模型，基于所述實(shí)際圖結(jié)構(gòu)數(shù)據(jù)構(gòu)建所述目標(biāo)服務(wù)網(wǎng)絡(luò)的實(shí)際分層隱空間圖結(jié)構(gòu)，并對(duì)所述實(shí)際分層隱空間圖結(jié)構(gòu)進(jìn)行分層次相互作用學(xué)習(xí)，得到隱空間分層相互作用變量在所述實(shí)際分層隱空間圖結(jié)構(gòu)處的實(shí)際高斯分布參數(shù)，其中所述隱空間分層相互作用變量用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)之間的相互作用關(guān)系；

6、調(diào)用所述目標(biāo)分層次圖變分推斷網(wǎng)絡(luò)模型基于所述實(shí)際高斯分布參數(shù)進(jìn)行重參數(shù)化處理，得到所述目標(biāo)服務(wù)網(wǎng)絡(luò)的與所述實(shí)際圖結(jié)構(gòu)數(shù)據(jù)匹配的實(shí)際隱空間分層相互作用變量數(shù)據(jù)。

7、在可選的實(shí)施方式中，所述方法還包括：

8、獲取任意一種服務(wù)網(wǎng)絡(luò)類型的圖結(jié)構(gòu)樣本數(shù)據(jù)，并初始化待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型；

9、調(diào)用所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型基于所述圖結(jié)構(gòu)樣本數(shù)據(jù)構(gòu)建對(duì)應(yīng)的樣本分層隱空間圖結(jié)構(gòu)，并對(duì)所述樣本分層隱空間圖結(jié)構(gòu)進(jìn)行分層次相互作用學(xué)習(xí)，得到隱空間分層相互作用變量在所述樣本分層隱空間圖結(jié)構(gòu)處的預(yù)估高斯分布參數(shù)；

10、調(diào)用所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型基于所述實(shí)際高斯分布參數(shù)進(jìn)行重參數(shù)化處理，得到隱空間分層相互作用變量預(yù)估數(shù)據(jù)，并根據(jù)所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)和所述預(yù)估高斯分布參數(shù)，計(jì)算所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型的實(shí)際損失函數(shù)值；

11、根據(jù)所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)和所述實(shí)際損失函數(shù)值，以最小化目標(biāo)損失函數(shù)為目的，對(duì)所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型進(jìn)行反向傳播訓(xùn)練，得到與該服務(wù)網(wǎng)絡(luò)類型匹配的目標(biāo)分層次圖變分推斷網(wǎng)絡(luò)模型，其中所述目標(biāo)損失函數(shù)為所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型的損失函數(shù)。

12、在可選的實(shí)施方式中，所述目標(biāo)損失函數(shù)采用如下方程式進(jìn)行表示：

13、；

14、其中，用于表示所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型在參數(shù)狀態(tài)下的目標(biāo)損失函數(shù)，用于表示所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型針對(duì)所述隱空間分層相互作用變量的變分下限，用于表示參數(shù)狀態(tài)下的所述待訓(xùn)練分層次圖變分推斷網(wǎng)絡(luò)模型，用于表示所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)，用于表示關(guān)于所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)的數(shù)學(xué)期望函數(shù)，用于表示所述圖結(jié)構(gòu)樣本數(shù)據(jù)，用于表示所述圖結(jié)構(gòu)樣本數(shù)據(jù)所包括的樣本鄰接矩陣，用于表示由所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)對(duì)所述樣本鄰接矩陣的前向推斷結(jié)果，用于表示相對(duì)熵求解函數(shù)，用于表示均值為0且標(biāo)準(zhǔn)差為1的高斯噪聲，用于表示所述隱空間分層相互作用變量在所述預(yù)估高斯分布參數(shù)處的變量均值，用于表示所述隱空間分層相互作用變量在所述預(yù)估高斯分布參數(shù)處的變量標(biāo)準(zhǔn)差。

15、在可選的實(shí)施方式中，所述目標(biāo)損失函數(shù)中的在模型訓(xùn)練過(guò)程中的自監(jiān)督學(xué)習(xí)損失函數(shù)采用如下方程式進(jìn)行表示：

16、；

17、其中，用于表示所述自監(jiān)督學(xué)習(xí)損失函數(shù)，用于表示與所述圖結(jié)構(gòu)樣本數(shù)據(jù)對(duì)應(yīng)的服務(wù)網(wǎng)絡(luò)處的網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)目，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)與第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在所述樣本鄰接矩陣中的節(jié)點(diǎn)連接關(guān)系，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)與第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)拓?fù)滏溄拥逆溄宇A(yù)測(cè)概率，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)中的隱空間分層次相互作用特征，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在所述隱空間分層相互作用變量預(yù)估數(shù)據(jù)中的隱空間分層次相互作用特征，用于表示節(jié)點(diǎn)鏈接關(guān)系預(yù)測(cè)函數(shù)。

18、在可選的實(shí)施方式中，針對(duì)任意一個(gè)分層隱空間圖結(jié)構(gòu)，該分層隱空間圖結(jié)構(gòu)包括多層隱空間圖結(jié)構(gòu)，則對(duì)該分層隱空間圖結(jié)構(gòu)進(jìn)行分層次相互作用學(xué)習(xí)，得到隱空間分層相互作用變量在該分層隱空間圖結(jié)構(gòu)處的高斯分布參數(shù)的步驟，包括：

19、針對(duì)所述隱空間分層相互作用變量在服從高斯分布時(shí)的變量均值和變量標(biāo)準(zhǔn)差中的每種參數(shù)類型，計(jì)算對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)在各層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的層內(nèi)相互作用注意力權(quán)重系數(shù)；

20、針對(duì)每層隱空間圖結(jié)構(gòu)，根據(jù)每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)在該隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的層內(nèi)相互作用注意力權(quán)重系數(shù)，和對(duì)應(yīng)鄰居節(jié)點(diǎn)在該隱空間圖結(jié)構(gòu)中的特征向量，計(jì)算每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在該隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的跨層注意學(xué)習(xí)權(quán)值；

21、對(duì)所有網(wǎng)絡(luò)節(jié)點(diǎn)在該隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的跨層注意學(xué)習(xí)權(quán)值進(jìn)行指數(shù)歸一化處理，得到對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)在該隱空間圖結(jié)構(gòu)處與該參數(shù)類型匹配的層次相互作用注意力權(quán)重矩陣；

22、根據(jù)對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)在各層隱空間圖結(jié)構(gòu)處與該參數(shù)類型匹配的層次相互作用注意力權(quán)重矩陣，對(duì)各層隱空間圖結(jié)構(gòu)的特征矩陣進(jìn)行加權(quán)求和運(yùn)算，得到所述隱空間分層相互作用變量在所述分層隱空間圖結(jié)構(gòu)處與該參數(shù)類型匹配的參數(shù)統(tǒng)計(jì)量。

23、在可選的實(shí)施方式中，針對(duì)變量均值和變量標(biāo)準(zhǔn)差中的每種參數(shù)類型，對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的層內(nèi)相互作用注意力權(quán)重系數(shù)采用如下式子進(jìn)行計(jì)算：

24、；

25、其中，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)與第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的層內(nèi)相互作用注意力權(quán)重系數(shù)，用于表示由對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)構(gòu)成的節(jié)點(diǎn)集合，用于表示指數(shù)函數(shù)，用于表示對(duì)應(yīng)分層次圖變分推斷網(wǎng)絡(luò)模型的與該參數(shù)類型匹配的第一模型權(quán)重矩陣，用于表示對(duì)應(yīng)分層次圖變分推斷網(wǎng)絡(luò)模型的與該參數(shù)類型匹配的第二模型權(quán)重矩陣，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)處的特征向量，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)處的特征向量。

26、在可選的實(shí)施方式中，針對(duì)變量均值和變量標(biāo)準(zhǔn)差中的每種參數(shù)類型，對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的跨層注意學(xué)習(xí)權(quán)值采用如下式子進(jìn)行計(jì)算：

27、；

28、其中，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的跨層注意學(xué)習(xí)權(quán)值，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)與第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的層內(nèi)相互作用注意力權(quán)重系數(shù)，用于表示第層隱空間圖結(jié)構(gòu)的注意力學(xué)習(xí)向量，用于表示雙曲正切激活函數(shù)，用于表示由對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)構(gòu)成的節(jié)點(diǎn)集合，用于表示對(duì)應(yīng)分層次圖變分推斷網(wǎng)絡(luò)模型的與該參數(shù)類型匹配的第三模型權(quán)重矩陣，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)處的特征向量。

29、在可選的實(shí)施方式中，針對(duì)變量均值和變量標(biāo)準(zhǔn)差中的每種參數(shù)類型，對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)在第層隱空間圖結(jié)構(gòu)處與該參數(shù)類型匹配的層次相互作用注意力權(quán)重矩陣采用如下方程計(jì)算得到：

30、；

31、其中，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)在第層隱空間圖結(jié)構(gòu)處與該參數(shù)類型匹配的層次相互作用注意力權(quán)重矩陣，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)目，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)的第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)的與該參數(shù)類型匹配的層次相互作用注意力權(quán)重矩陣中的層次相互作用注意力權(quán)重值，用于表示對(duì)應(yīng)服務(wù)網(wǎng)絡(luò)中第個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)在第層隱空間圖結(jié)構(gòu)中與該參數(shù)類型匹配的跨層注意學(xué)習(xí)權(quán)值，用于表示指數(shù)函數(shù)。

32、在可選的實(shí)施方式中，基于所述隱空間分層相互作用變量的高斯分布參數(shù)的重參數(shù)化操作采用如下式子進(jìn)行表示：

33、；

34、其中，用于表示所述隱空間分層相互作用變量的重參數(shù)化結(jié)果，用于表示所述隱空間分層相互作用變量在服從高斯分布時(shí)的變量均值，用于表示所述隱空間分層相互作用變量在服從高斯分布時(shí)的變量標(biāo)準(zhǔn)差，用于表示隨機(jī)高斯噪聲。

35、在可選的實(shí)施方式中，任一分層次圖變分推斷網(wǎng)絡(luò)模型由一個(gè)特征學(xué)習(xí)編碼器、一個(gè)分層次相互作用學(xué)習(xí)模塊和一個(gè)生成解碼器組成；

36、所述特征學(xué)習(xí)編碼器用于實(shí)現(xiàn)分層隱空間圖結(jié)構(gòu)創(chuàng)建功能；

37、所述分層次相互作用學(xué)習(xí)模塊用于對(duì)所述特征學(xué)習(xí)編碼器構(gòu)建出的分層隱空間圖結(jié)構(gòu)進(jìn)行分層次相互作用學(xué)習(xí)，其中所述分層次相互作用學(xué)習(xí)模塊包括與層內(nèi)相互作用注意學(xué)習(xí)操作對(duì)應(yīng)的層內(nèi)注意學(xué)習(xí)單元，以及與跨層相互作用注意學(xué)習(xí)操作對(duì)應(yīng)的跨層注意學(xué)習(xí)單元；

38、所述生成解碼器用于對(duì)所述分層次相互作用學(xué)習(xí)模塊得到的關(guān)于隱空間分層相互作用變量的高斯分布參數(shù)進(jìn)行重參數(shù)化處理。

39、在此情況下，本技術(shù)實(shí)施例的有益效果可以包括以下內(nèi)容：

40、本技術(shù)調(diào)用與目標(biāo)服務(wù)網(wǎng)絡(luò)匹配的目標(biāo)分層次圖變分推斷網(wǎng)絡(luò)模型，基于該目標(biāo)服務(wù)網(wǎng)絡(luò)的實(shí)際圖結(jié)構(gòu)數(shù)據(jù)構(gòu)建適配的實(shí)際分層隱空間圖結(jié)構(gòu)，并對(duì)該實(shí)際分層隱空間圖結(jié)構(gòu)進(jìn)行分層次相互作用學(xué)習(xí)，得到隱空間分層相互作用變量在該實(shí)際分層隱空間圖結(jié)構(gòu)處的實(shí)際高斯分布參數(shù)，而后基于實(shí)際高斯分布參數(shù)進(jìn)行重參數(shù)化處理，得到目標(biāo)服務(wù)網(wǎng)絡(luò)的與實(shí)際圖結(jié)構(gòu)數(shù)據(jù)匹配的實(shí)際隱空間分層相互作用變量數(shù)據(jù)，以便通過(guò)實(shí)際隱空間分層相互作用變量數(shù)據(jù)有效表征目標(biāo)服務(wù)網(wǎng)絡(luò)中每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)與其他網(wǎng)絡(luò)節(jié)點(diǎn)的實(shí)際相互作用關(guān)系狀況，從而完成對(duì)目標(biāo)服務(wù)網(wǎng)絡(luò)內(nèi)部耦合的節(jié)點(diǎn)相互作用關(guān)系的有效解耦和表征，實(shí)現(xiàn)對(duì)目標(biāo)服務(wù)網(wǎng)絡(luò)內(nèi)部復(fù)雜節(jié)點(diǎn)相互作用關(guān)系的精準(zhǔn)感知，便于提升目標(biāo)服務(wù)網(wǎng)絡(luò)的下游任務(wù)執(zhí)行質(zhì)量。

41、為使本技術(shù)的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說(shuō)明如下。