论文部分内容阅读
随着互联网与分布式技术的快速发展,面向服务的体系结构(SOA)得到了学术界和工业界的青睐和广泛应用。作为一种基于互联网标准和XML规范的新型分布式计算模型和实现SOA的主要技术,Web服务已成为当前研究的热点。随着互联网上Web服务数量的指数型增长,如何从庞大的Web服务中有效地获得满足需求功能的Web服务?如何在功能相似的Web服务中找到用户最满意的服务?这些难以解决的问题,正是Web服务发现的研究内容。目前常见的Web服务发现方法主要有基于逻辑的方法、基于非逻辑的方法和基于混合的方法。其中基于逻辑的方法依赖于推理机和推理规则的完整性,虽然准确性较高,但是灵活性和可行性较差；而基于非逻辑的方法很难确定一个合适的相似度计算函数,并且相似度计算函数的优劣也很难保证；基于混合的方法能够充分取长补短,且有很多实验证明混合方法具有明显的效果。本文在已有工作的基础上,提出了一种基于LDA聚类的语义Web服务发现方法,也是一种混合的Web服务发现方法。即首先对OWL-S Web服务文档解析,得到文档词汇向量；然后对文档词汇向量进行扩充,使文档语义信息更加丰富；再对文档扩充词汇向量集合建模,并进行训练和推断,得到文档-主题分布,并对Web服务文档聚类；最后通过查找Web服务请求记录或者直接在簇中查找满足需求的Web服务。论文的主要工作包括：(1)文档解析。提出了一种新颖的文档解析方法,即首先对OWL-S文档进行解析得到服务名称、服务描述、输入和输出四个关键信息,然后对服务名称和服务描述进行去停用词、词性还原等处理得到文档词汇向量。为了丰富文档语义信息,解析OWL-S文档对应的本体OWL文件,得到输入输出概念的等价类、父类、祖先类、子类、后代类等相关本体类概念,加入文档词汇向量,并且利用WordNet和Word2Vec对处理后的文档词汇向量查找相似度较高的词汇,再加入其中,最后合并所有词汇向量,得到扩充文档词汇向量。扩充后的文档词汇向量具有丰富的语义信息。(2)文档聚类。实现一种基于概率主题模型的文档聚类方法,即首先对扩充后的文档词汇向量集合建立LDA主题模型,并使用Gibbs采样算法进行训练和推断得到文档-主题分布,基于此,对文档使用本文提出的LKMSIMPClustering聚类算法,对所有文档进行聚类,得到Web服务簇集合。(3)请求查询。实现了一种轻量级的Web服务请求查询,即首先查找备忘录DB模块中是否存在对应的Web服务请求记录,若存在,直接返回查询结果,若不存在,则需要查找Web服务簇中最相关的簇,并在这个簇中匹配满足相似度阈值的Web服务集,作为Web服务发现的结果。(4)系统开发和实验评估。完成了基于LDA聚类的语义Web发现系统的开发,针对OWLS-TC4和hRESTS-TC3_release2这两个服务数据集(有1083个服务和42个查询请求)进行了充分的实验,并与现有工作在准确率、召回率、F值以及效率等方面进行了对比。实验结果表明：本系统比传统的基于TFIDF的VSM方法在准确率、召回率和F值方面分别高出13.52%、37.37%和30.47%,并且系统的性能也更加好。我们对准确率、召回率和F值进行了显著性验证,并通过一个实例完整演示了Web服务的发现过程。