[發(fā)明專利]一種面向目標的RESTfulWeb服務發(fā)現方法

有效

• 申請?zhí)枺?/td>: 201610247123.4
• 申請日: 2016-04-20
• 公開（公告）號: CN105930443B
• 公開（公告）日: 2017-06-27
• 發(fā)明（設計）人: 何克清;張能;王健
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙)42222
• 代理人: 魏波

1.一種面向目標的RESTful Web服務發(fā)現方法，其特征在于，包括以下步驟：

步驟1：收集RESTful Web服務的信息，包括Web服務名稱、所屬領域和功能性的文本描述，得到Web服務集；

步驟2：對Web服務集進行預處理；

步驟3：針對預處理后的Web服務集，判斷Web服務是否包含所屬領域的信息；

若是，則執(zhí)行下述步驟4；

若否，則執(zhí)行下述步驟5；

步驟4：判斷領域劃分是否存在重疊；

若是，則執(zhí)行下述步驟5；

若否，則執(zhí)行下述步驟6；

步驟5：使用Web服務分類方法對Web服務集進行領域劃分；

步驟6：針對每個領域的Web服務集進行領域知識庫的構建，包括：領域詞匯排序表、領域動詞集、領域核心名詞集、Web服務-服務目標關聯(lián)矩陣和服務目標簇集；

步驟7：對給定的用戶查詢q進行Web服務發(fā)現；具體實現包括以下子步驟：

步驟7.1：對給定的用戶查詢q進行預處理，包括分詞、詞形還原、去停用詞和詞頻統(tǒng)計；

步驟7.2：計算q與每個領域之間的匹配度，得到與q匹配度最高的領域，記為md；

步驟7.3：計算q與md中每個服務目標簇之間的語義相似度，得到與q語義相似的服務目標簇集，記為mC；

所述計算q與md中每個服務目標簇之間的語義相似度，具體方法如下：

首先，將md中每個服務目標簇C_i包含的詞劃分為3個子集，即

$V_{md}\left(C_i\right)={\∪}_{{\mathrm{sg}}_k\∈C_i}{V}_{md}\left({\mathrm{sg}}_k\right),{\mathrm{CN}}_{md}\left(C_i\right)={\∪}_{{\mathrm{sg}}_k\∈C_i}{\mathrm{CN}}_{md}\left({\mathrm{sg}}_k\right),$

${\mathrm{Oth}}_{md}\left(C_i\right)={\∪}_{{\mathrm{sg}}_k\∈C_i}{\mathrm{Oth}}_{md}\left({\mathrm{sg}}_k\right),$

其中，V_md(C_i)、CN_md(C_i)和Oth_md(C_i)分別代表C_i包含的動詞集、領域核心名詞集和除動詞與領域核心名詞外的其他詞集；V_md(sg_k)、CN_md(sg_k)和Oth_md(sg_k)分別代表服務目標sg_k包含的動詞集、領域核心名詞集和除動詞與領域核心名詞外的其他詞集；

然后，分別獲取V_md(C_i)、CN_md(C_i)和Oth_md(C_i)中與q中任意詞語義相似的詞匯子集；

V_md(C_i)中與q中任意詞語義相似的詞匯子集，定義如下：

其中，W(q)代表q包含的詞集；θ_v為相似度閾值；wsim(w_i,w_j)代表兩個詞w_i和w_j之間的語義相似度；

CN_md(C_i)中與q中任意詞語義相似的詞匯子集，定義如下：

其中，W(q)代表q包含的詞集；θ_cn為相似度閾值；wsim(w_i,w_j)代表兩個詞w_i和w_j之間的語義相似度；

Oth_md(C_i)中與q中任意詞語義相似的詞匯子集，定義如下：

其中，W(q)代表q包含的詞集；θ_oth為相似度閾值；wsim(w_i,w_j)代表兩個詞w_i和w_j之間的語義相似度；

最后，計算q與C_i之間的語義相似度：

其中，V_md(C_i)、CN_md(C_i)和Oth_md(C_i)分別代表C_i包含的動詞集、領域核心名詞集和除動詞與領域核心名詞外的其他詞集；和分別代表V_md(C_i)、CN_md(C_i)和Oth_md(C_i)中與q中任意詞語義相似的詞匯子集；N(w_k,C_i)代表詞w_k在C_i中的頻次；λ₁、λ₂和λ₃為權重因子；

步驟7.4：計算mC中每個服務目標與q之間的語義相似度，并按照語義相似度對mC中所有服務目標降序排列，得到q的服務目標推薦列表，從中用戶選擇能夠體現其需求的服務目標，記為SG_q，作為新的查詢；

步驟7.5：將SG_q與md中每個Web服務的服務目標集進行匹配，得到滿足用戶需求的候選Web服務集。