[發明專利]一種基于Mashup服務功能特征表示與密度峰值檢測的Web數據聚類方法

有效

• 申請號: 202010127323.2
• 申請日: 2020-02-28
• 公開（公告）號: CN111475607B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 陸佳煒;吳涵;趙偉;馬超治;程振波;徐俊;肖剛
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/289;G06F40/30;G06F40/247;G06K9/62
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于Mashup服務功能特征表示與密度峰值檢測的聚類方法，其特征在于，包括以下步驟：

第一步、對所有需要特征表示的Mashup服務數據進行預處理；

第二步、基于預處理后的Mashup服務數據，進行功能名詞提取操作；

第三步、對于每條Mashup服務的功能名詞集合FS，對每個功能名詞的語義權重進行語義關聯計算；

所述第三步的過程如下：

步驟(3.1)計算所有功能名詞集合FS的平均長度LAvg，計算公式如下：

其中，Set(FS)表示存放FS的集合，|Set(FS)|則是該集合的長度，進行步驟(3.2)；

步驟(3.2)遍歷各Mashup服務信息，包括對應的功能名詞集合FS，計算名詞間語義關聯權重對最終語義權重的影響因子w，若當前FS的集合長度len(FS)不等于LAvg，那么影響因子w公式如下所示：

否則，w設為默認值0.5，進行步驟(3.3)；

步驟(3.3)遍歷當前FS中的名詞,計算第i個功能名詞與其他名詞之間的語義關聯權重FSim_i，計算公式如下：

其中，WordNet(n_i,n_j)表示第i個功能名詞與第j個功能名詞之間的語義相似度，|FS|表示功能名詞集合FS中所包含的名詞個數，進行步驟(3.4)；

步驟(3.4)在當前服務的服務標簽中，計算出與功能名詞n_i語義相似性最大的值，作為n_i的語義權重校正量TSim_i，其中，語義相似性同樣采用WordNet函數計算，進行步驟(3.5)；

步驟(3.5)計算出功能名詞n_i的最終語義權重SW_i，并存于當前服務功能語義權重字典SimDic中，其中，SW_i計算公式如下：

SW_i＝w×Sim_i+(1-w)×TSim_i，w即為步驟(3.2)計算的影響因子，進行步驟(3.6)；

步驟(3.6)只將語義權重較高的前LAvg個單詞存放于當前字典SimDic中，剔除其他單詞，進行步驟(3.7)；

步驟(3.7)判斷當前FS中的名詞是否遍歷完成，若否，則返回步驟(3.3)，否則，進行步驟(3.8)；

步驟(3.8)判斷Mashup服務是否遍歷完成，若否，則返回步驟(3.2)，否則，結束；

第四步、基于第三步的語義權重計算結果，結合TF-IDF算法與Word2Vec模型，進行Mashup語義特征向量的表示；

第五步、對于所有參與聚類的Mashup語義特征向量，進行密度信息的計算，密度信息包括局部密度、向量間距離和較高密度最近距離；

第六步、基于第五步計算的密度信息，從所有Mashup語義特征向量中，篩選出聚類中心的候選點；

第七步、對第六步所得的聚類中心候選點，進一步篩選出最為合適的K個初始聚類中心，進行K-means聚類。