基于主題模型的Web服務發(fā)現(xiàn)方法研究.pdf

1、Web服務作為一種自主而開放的應用實體，具有松散耦合、平臺無關、互操作性強等特點，特別適合在Internet環(huán)境中發(fā)布和使用。隨著互聯(lián)網(wǎng)上Web服務數(shù)量的快速增長，如何從中快速有效地獲取滿足需求功能的Web服務，這是Web服務發(fā)現(xiàn)研究的內容。目前常見的Web服務發(fā)現(xiàn)方法主要有基于關鍵字的方法和基于語義的方法。其中基于關鍵字的服務發(fā)現(xiàn)不能理解用戶語義信息，導致查全率不高，傳統(tǒng)的基于語義服務發(fā)現(xiàn)方法由于限制太多，推廣性不強，基于主題模型的W

2、eb服務發(fā)現(xiàn)是一種特殊的語義發(fā)現(xiàn)方法，它相比于傳統(tǒng)的語義發(fā)現(xiàn)方法具有限制條件少，推廣性強等優(yōu)點。
　　本文分析和研究了Web服務發(fā)現(xiàn)及主題模型等相關技術，對Web服務文檔特點、相似度計算方法以及聚類算法進行了深入研究。首先根據(jù)WSDL描述文檔特點，結合國內外文本數(shù)據(jù)處理方法，對文檔進行特征提取、去除停用詞與標簽、連接詞分詞、大小寫字母轉換、詞干還原等，得到數(shù)據(jù)處理后的文檔詞匯集合。然后基于BTM對數(shù)據(jù)處理后的文檔詞匯集合進行主題建

3、模，使用Gibbs采樣對主題進行訓練，針對主題個數(shù)不確定問題，通過計算主題結構相似度來確定主題數(shù)目，得到文檔主題信息。接下來對文本相似度度量方法進行了研究，使用服務-主題向量與服務-特征詞權重向量線性結合的方式來計算服務之間相似度。對聚類算法進行了研究，為了提高計算效率，使用基于最大距離法的k-means算法對Web服務進行聚類，得到Web服務簇集合。最后，對Web服務進行查詢時，找到與查詢最相關的Web服務簇，把簇中相關度高的Web服