基于標(biāo)簽推薦的Mashup服務(wù)聚類研究.pdf

1、隨著服務(wù)計算和云計算的發(fā)展，各種各樣的網(wǎng)絡(luò)服務(wù)涌現(xiàn)，極大地促進(jìn)了面向服務(wù)的網(wǎng)絡(luò)應(yīng)用及軟件系統(tǒng)構(gòu)造。傳統(tǒng)的Web服務(wù)是基于SOAP協(xié)議、用WSDL文檔進(jìn)行描述的，它廣泛應(yīng)用于互聯(lián)網(wǎng)的各個領(lǐng)域，但也暴露出不少問題，如技術(shù)體系過于復(fù)雜、可擴(kuò)展性較差等缺點。而輕量級的基于RESTful的Mashup服務(wù)，由不同功能的Web API進(jìn)行組合而成，可以開發(fā)出滿足個性需求的軟件應(yīng)用。然而，相比于傳統(tǒng)的Web服務(wù)，Mashup服務(wù)沒有規(guī)范的形式化描述模

2、型，從而也就加大了其服務(wù)查找與發(fā)現(xiàn)的難度。ProgrammableWeb網(wǎng)站作為一個流行的在線社區(qū)，允許用戶發(fā)布 Mashup，并且對 Mashup進(jìn)行標(biāo)注、排序，同時它也存在服務(wù)人工標(biāo)注的隨意性、服務(wù)分類不太合理、服務(wù)搜索及發(fā)現(xiàn)的效率與精確度不高等問題。因此，Web服務(wù)的發(fā)現(xiàn)和挖掘便成為一個熱門研究方向，而合理有效地利用標(biāo)簽信息進(jìn)行服務(wù)聚類，從而改進(jìn)Web服務(wù)發(fā)現(xiàn)的性能得到越來越多學(xué)者的關(guān)注與研究。本文圍繞基于標(biāo)簽推薦和服務(wù)聚類開展了

3、如下工作：
　　1、提出了一種新穎的融合K-Means與Agnes的Mashup服務(wù)聚類方法MSCA。該方法首先對Mashup服務(wù)中的Tag標(biāo)簽進(jìn)行擴(kuò)充和排序；其次，計算 Mashup服務(wù)的集成相似性；接著，應(yīng)用K-Means算法對Mashup服務(wù)相似度矩陣進(jìn)行聚類，找到相似度較高的Mashup服務(wù)將其劃分到N個原子簇中，再利用Agnes算法對N個原子簇進(jìn)行層次聚類，與以往方法相比，服務(wù)聚類效果及服務(wù)發(fā)現(xiàn)的精度有較大提高。

4、　　2、提出了基于LDA標(biāo)簽輔助的Mashup服務(wù)聚類方法MT-LDA，該方法首先對數(shù)據(jù)進(jìn)行預(yù)處理，利用 LDA為語料庫建模，運(yùn)用 Gibbs抽樣方法進(jìn)行推理，間接計算模型參數(shù)，挖掘隱藏在文本內(nèi)的不同主題與詞之間的關(guān)系，得到文本的主題分布，并以此分布計算文本之間的相似度，最后根據(jù)文本相似度矩陣進(jìn)行Mashup服務(wù)聚類，并評估聚類效果。通過對比實驗表明，引入 LDA方法引出資源的隱含主題，同時利用標(biāo)簽信息進(jìn)行服務(wù)聚類，能夠顯著地提高服務(wù)聚