[發明專利]一種Web服務聚類的方法

有效

• 申請號: 201010613232.6
• 申請日: 2010-12-30
• 公開（公告）號: CN102043863A
• 公開（公告）日: 2011-05-04
• 發明（設計）人: 吳健;馬瑩;王飛
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州裕陽專利事務所(普通合伙) 33221
• 代理人: 江助菊

1.一種Web服務聚類的方法，包括

Web服務庫（1）：為存儲WDSL文檔的數據庫，用于給現有Web建立索引，支持數據存取和寫入；

主控裝置（2）：它包括用戶交互裝置——為與用戶IO交互的各種驅動；計算處理裝置——包括內存，外存，CPU；用于獲取Web服務的向量模型、運算聚類結果；數據庫交互裝置——包括數據庫驅動及xml解析器，用戶終端，輸入輸出設備及顯示器，用于數據庫通信、及用戶對于某些場景或參數的選擇；

標簽庫（3）：用于存儲以序號表示的不同的權重組合、類別標簽、及以索引形式存儲的Web服務庫中的Web服務，并存儲相應的哈希值，支持數據讀出及寫入；

其特征在于包括以下步驟：

步驟一：使用VSM方法將Web服務轉化為向量集合

a.主控裝置(2)從Web服務庫（1）中讀取當前所有Web服務的WDSL文檔數據，若用戶給定限制條件，則獲取符合條件的Web服務；

b.主控裝置(2)獲取Web服務后，使用VSM方法將Web服務集合轉化為向量空間集合；

所述VSM方法，是將每個所述WSDL文檔中的“Web服務基本信息的描述”、“功能操作”、“輸入參數”、“輸出參數”以及“Qos”分割成一組關鍵詞，表示為<?Des,?Oper,?Input,?Output,?Qos?>五個屬性，每一個關鍵詞代表一個維度，統計關鍵詞在文檔中的出現頻率，并計算每一維向量在每個文檔下的權重，進而將代表Web服務的WSDL文檔轉化為向量；

每一維向量在每個文檔下的權重為：

????其中表示第k個詞在WSDL文檔i中的權重，表示第k個詞在文檔i中出現的次數，N表示集合中的全部文檔數量，表示包含第k個詞的文檔數量，繼而采用公式

?

將值規范化，將每一維向量的權重值規范在?[0,1]之間取值，而||即為第k維向量的長度，其中，t為空間向量維數，即為t維空間向量中第k個位置的值；

步驟二：根據應用需求，確定Web服務的權重

主控裝置(2)向用戶發起詢問，詢問用戶是否自行標定Web服務上述五個屬性<?Des,?Oper,?Input,?Output,?Qos?>的權重值<?Des,Oper,Input,Output,Qos?>系數、、、、和，其中++++=1，若是，則由用戶輸入權重值，否則，使用該場景下的默認權重值系數，即=====0.2；?

步驟三：使用LSH方法對Web服務向量集合進行聚類

a.?主控裝置(2)獲取從上述步驟二中得到的標定好權重的向量集合，通過使用LSH方法順序處理各Web服務，計算每個Web服務對應的N個哈希值，?

其中，向量代表一個Web服務空間向量，是一個向量，其維度與相同，且服從高斯分布，b是一個范圍在[0，w]的隨機實數，w表示一個哈希桶的長度，為經驗值，由操作者給定，通常情況下，在Web服務集合數量不超過10000的情況下，w值取[4,6]效果較好；在w值給定的情況下，反復隨機選取向量和隨機實數b，獲取構建哈希函數的變量，得到N個哈希函數，形成哈希函數族；

b.?對N個哈希值都相同的Web服務進行處理，計算Web服務之間的距離，對于N個哈希值都相同的Web服務，將大多數距離相近的點標定為同一類，

c.?判定上一步所述的距離相近的點中是否存在奇異點，若Web服務不為奇異點，則對該Web服務進行標定處理：若標簽庫中已有大量數據，則將N個哈希值合并成一個序列，并在標簽庫（3）中查詢給定的權重值組合下該序列所對應的標簽，若不存在該標簽，則由主控裝置（2）向用戶發起詢問，用戶以文字形式為每個類別寫入標簽，若用戶不想手工處理，則可由主控裝置（2）標定隨機數字標簽；主控裝置（2）將Web服務以索引形式寫入標簽庫（3）中對應權重值及類別標簽下，并標定這些Web服務已經處理；若Web服務為奇異點，則對該Web服務不做處理；

d.?主控裝置(2)對所述奇異點進行處理，將其鄰近的若干個已寫入標簽庫（3）中Web服務進行投票，將該Web服務以索引形式寫入到標簽庫(3)中出現最頻繁的與該Web服務對應的權重值組合及類別標簽下，并標定該Web服務已被處理；

e.?主控裝置(2)向用戶發起詢問，是否繼續進行新一輪聚類，若是，則返回步驟三a.繼續進行，反之，則結束整個流程。