[發(fā)明專利]一種基于標(biāo)簽的web服務(wù)聚類方法

有效

• 申請?zhí)枺?/td>: 201110440085.1
• 申請日: 2011-11-30
• 公開（公告）號: CN102622396A
• 公開（公告）日: 2012-08-01
• 發(fā)明（設(shè)計）人: 吳健;馮怡鵬;陳亮;尹建偉;李瑩;鄧水光
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州裕陽專利事務(wù)所(普通合伙) 33221
• 代理人: 江助菊

1.一種基于標(biāo)簽的web服務(wù)聚類方法，其特征在于，包括如下步驟：

1)收集互聯(lián)網(wǎng)上web服務(wù)的WSDL文件和標(biāo)簽信息；

2)從WSDL文件中提取web服務(wù)的特征值，所述特征值包括內(nèi)容、類型、消息、端口和服務(wù)名稱；

3)對web服務(wù)的各個特征值和標(biāo)簽信息進行相似度計算，并根據(jù)特征值和標(biāo)簽信息的相似度值計算綜合相似度；

4)根據(jù)綜合相似度使用WTCluster算法對web服務(wù)進行聚類。

2.根據(jù)權(quán)利要求1所述的一種基于標(biāo)簽的web服務(wù)聚類方法，其特征在于，所述特征值內(nèi)容的提取包括如下步驟：

21)建立內(nèi)容特征向量：將WSDL文件的內(nèi)容根據(jù)空白符進行分割，進而得到初始內(nèi)容特征向量；

22)去除詞尾：利用波特詞干算法將詞干相同但后綴不同的單詞統(tǒng)一化；

23)噪聲過濾：在所述內(nèi)容向量中，過濾兩類沒有意義的單詞，第一種是XML標(biāo)簽，第二種是功能性詞匯；

判斷所述功能性詞匯的包括如下步驟，首先建立詞頻的泊松分布模型，為每個單詞w計算過估因子：

Λw=n^wnw]]>

其中是通過泊松分布對w的估計詞頻，n_w是實際在文本中統(tǒng)計的詞頻，過估因子越小，則單詞w越可能是功能性詞匯，設(shè)置閾值Λ_T，過估因子小于該閾值的單詞將被認定為功能性詞匯而過濾掉，所述Λ_T的選取如下：

ΛT=avg[Λ]if(arg[Λ]>1)1otherwise]]>

其中，avg[Λ]是所有單詞統(tǒng)計詞頻n_w的平均值；

24)精煉：在所述內(nèi)容特征向量中，通過設(shè)置閾值移除頻率過高的單詞得到一個web服務(wù)的內(nèi)容特征向量；

所述特征值內(nèi)容的相似度計算包括如下步驟：

25)使用NGD計算兩個web服務(wù)間的內(nèi)容相似度，對于兩個web服務(wù)s₁、s₂以及他們各自的內(nèi)容特征向量content_s1、content_s2，內(nèi)容特征向量中的單詞記為w，這兩個服務(wù)之間的內(nèi)容的相似度計算方式如下：

Simcontent(s1,s2)=Σwi∈contents1Σwj∈contents2sim(wi,wj)|contents1||contents2|]]>

其中，|content_s1|表示content_s1中單詞的數(shù)量，兩個單詞之間的相似度計算公式為：

sim(w_i，w_j)＝1-NGD(w_i，w_j)

所述NGD為正規(guī)化Google距離計算。