1.一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，包括以下步骤：S1、对云制造服务流程进行建模，并获得云制造服务流程网模型；

S2、对所述云制造服务流程网模型进行采样并获得字符序列；其中，所述采样 方法为流程结点序列采样，若所述模型的结构为顺序、循环结构，则采用顺序探测采样；若所述模型为分支结构，则采用随机游走的方式采样；若所述模型的结构为并发结构，则采用三元组合全序列采样；所述字符序列包括所述云制造服务流程网模型中的服务信息、流程路径信息、路由信息、服务协作信息 ；

S3、用所述字符序列构建语料库；

S4、利用所述语料库通过Word2Vec为每一个云制造服务训练一个向量；

S5、通过余弦夹角公式计算任意两个向量相似度，通过判断任意两个向量相似度来判定对应的云制造服务协作相似度。

2.根据权利要求1所述的一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，所述步骤S1中，对云制造服务流程的建模具体方式为：采用路由Petri网进行建模，获得云制造服务流程网模型，所述云制造服务流程网模型中包括数据库所集合、控制库所集合、制造服务变迁集合、路由变迁集合、变迁名称集合。

3.根据权利要求1所述的一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，所述步骤S4中Word2Vec采用CBOW 模型来实现神经网络的词嵌入。

4.根据权利要求1所述的一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，所述步骤S5中判断任意两个云制造服务协作相似度的具体步骤为：S51、通过余弦夹角公式计算余弦相似度，计算所述任意两个云制造服务对应向量a、b的夹角余弦值，所述夹角余弦值的范围为0到1，其中(x1,y1)代表向量a的分量、(x2,y2)代表向量b的分量，cos(θ)为夹角余弦值；

S52、所述向量夹角余弦值即为两个云制造服务的协作相似度，其值在0到1之间。

5.根据权利要求1所述的一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，所述步骤S5中判断任意两个向量在多个维度中的相似度的具体步骤为：S51、通过余弦夹角公式计算余弦相似度，计算所述任意两个向量a、b的夹角余弦值，所述夹角余弦值的范围为0到1，

其中xi代表向量a的分量、yi代表向量b的分量，n为维度，cos (θ)为夹角余弦值；

S52、所述向量夹角余弦值即为两个云制造服务的协作相似度，其值在0到1之间。

6.根据权利要求4或5任意所述的一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，所述步骤S5中判定对应的云制造服务协作相似度的具体步骤为：S53、当所述夹角余弦值越接近1，则所述对应的云制造服务协作相似度越高；所述夹角余弦值越接近0，则所述对应的云制造服务协作相似度越小。

7.根据权利要求1所述的一种基于Word2Vec的云制造服务协作相似度计算方法，其特征在于，所述步骤S4中Word2Vec采用Skip‑Gram模型来实现神经网络的词嵌入。