基于主題模型的Web服務發(fā)現(xiàn)方法研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論