[發(fā)明專利]一種基于概率潛在語義分析模型的萬維網(wǎng)服務(wù)發(fā)現(xiàn)方法

無效

• 申請?zhí)枺?/td>: 201110112383.8
• 申請日: 2011-04-29
• 公開（公告）號: CN102129479A
• 公開（公告）日: 2011-07-20
• 發(fā)明（設(shè)計）人: 張衛(wèi)豐;韓蕊;周國強;張迎周;許碧歡;陸柳敏
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 葉連生

1.一種基于概率潛在語義分析模型的萬維網(wǎng)服務(wù)發(fā)現(xiàn)方法，其特征在于將常規(guī)的語法分析和語義聚類相結(jié)合，語法分析指的是Web服務(wù)矩陣的構(gòu)建和應(yīng)用基于譜聚類的算法對數(shù)據(jù)集中的與請求無關(guān)的服務(wù)進(jìn)行濾除，而語義聚類指的是在Web服務(wù)統(tǒng)一描述發(fā)現(xiàn)和集成(UDDI)以及Web服務(wù)描述(WSDL)的基礎(chǔ)上，應(yīng)用概率潛在語義分析模型對Web文檔進(jìn)行建模分析，將數(shù)據(jù)集進(jìn)一步聚類為語義相關(guān)簇，在這一階段，概率潛在語義分析模型的重要作用在于抓住隱藏在用戶請求和Web服務(wù)描述背后的語義概念，使得Web服務(wù)的匹配在先進(jìn)的概念層次進(jìn)行，

WSDL文檔是Web服務(wù)描述的主要機制，包含了對服務(wù)中抽象接口的定義和對網(wǎng)絡(luò)中具體執(zhí)行的描述，通過從中提取信息內(nèi)容并且進(jìn)行適當(dāng)?shù)臄?shù)據(jù)處理得到Web文本內(nèi)容，具體實現(xiàn)步驟為：

步驟1)采集WSDL文檔，對這些文檔進(jìn)行解析，得到各部分元素名稱及其文字內(nèi)容；

步驟2)對步驟1的結(jié)果進(jìn)行單詞原型處理和去除停止單詞；

對經(jīng)過數(shù)據(jù)處理的Web文本數(shù)據(jù)集進(jìn)一步考慮文本間的關(guān)系并且構(gòu)建服務(wù)矩陣，服務(wù)矩陣的構(gòu)建主要是建立在向量空間模型和詞頻-逆向文檔頻率權(quán)重算法的基礎(chǔ)上，通過向量空間模型，將數(shù)據(jù)集中的每個服務(wù)表示為一個向量形式，向量的每一維表示一個詞項，其權(quán)重根據(jù)詞頻-逆向文檔頻率權(quán)重算法得到，向量的維度也就相當(dāng)于詞匯表中的詞匯數(shù)，即出現(xiàn)在整個文檔集中所有不同詞匯的總數(shù)，因此整個Web服務(wù)數(shù)據(jù)集就表示為一個服務(wù)矩陣，具體實現(xiàn)步驟為：

步驟21)跟向量空間模型將數(shù)據(jù)集中的每一個服務(wù)表示為一個向量，用詞頻-逆向文檔頻率加權(quán)計算向量中每個詞項的權(quán)重；

步驟22)在步驟1的基礎(chǔ)上得到整個數(shù)據(jù)集的服務(wù)文本矩陣；

在進(jìn)行基于概率潛在語義分析的語義聚類之前，通過基于譜聚類的算法對數(shù)據(jù)集進(jìn)行與請求無關(guān)服務(wù)的濾除，具體實現(xiàn)步驟為：

步驟31)通過譜聚類將服務(wù)文本聚為k個簇，并且得到每個簇的聚類中心；

步驟32)預(yù)先設(shè)定一個門限值，計算每簇中數(shù)據(jù)點和相應(yīng)聚類中心的距離，如果大于門限值，則認(rèn)為此數(shù)據(jù)代表的對象為請求無關(guān)服務(wù)，從服務(wù)集中刪除；

最后對經(jīng)過上述步驟得到的數(shù)據(jù)集應(yīng)用概率潛在語義分析模型將服務(wù)進(jìn)一步聚類成為一定數(shù)量的語義相關(guān)簇，這一步的重要作用是集中于抓住隱藏在請求服務(wù)和服務(wù)描述背后的語義概念，最后在同一語義相關(guān)簇的范圍內(nèi)計算請求q和其中服務(wù)的語義相似度，具體實現(xiàn)步驟為：

步驟41)對于數(shù)據(jù)集中的每一個服務(wù)d，根據(jù)概率潛在語義模型得到得出這個服務(wù)對于每個潛在變量z_f的概率分布；

步驟42)找到這個服務(wù)對應(yīng)的潛在變量的概率分布的最大值，將其聚類到這個潛在變量對應(yīng)的語義相關(guān)簇中；

步驟43)循環(huán)步驟41)和步驟42)，直到將整個數(shù)據(jù)集中的服務(wù)聚類為k個語義相關(guān)簇；

步驟44)最后根據(jù)公式計算請求q和與其同一語義相關(guān)簇中的服務(wù)的語義相似度。