一种面向主题的领域服务聚类方法

发布时间：2018-03-14 23:27

本文选题：服务聚类　切入点：潜在狄利克雷分配　出处：《计算机研究与发展》2014年02期 　论文类型：期刊论文

【摘要】：随着互联网上服务资源规模的快速增长,如何高效、准确地发现服务成为一个亟待解决的关键问题.服务聚类是促进服务发现的一种重要技术.但是,现有服务聚类方法只对单一类型的服务文档进行聚类,并且没有考虑服务的领域特性.针对该问题,在对服务进行领域分类的基础上,提出了一种基于概率、融合领域特性的服务聚类模型——领域服务聚类模型(domain service clustering model,DSCM),然后基于该模型提出了一种面向主题的服务聚类方法.最后通过ProgrammableWeb网站提供的真实服务集对提出的方法进行了验证.实验结果表明,该方法可以准确地对不同类型的服务文档进行聚类.与经典的潜在狄利克雷分配(latent Dirichlet allocation,LDA),K-means等方法相比,该方法在聚类纯度和F-measure指标上均具有更好的效果,从而为按需服务发现与服务组合提供更好的支持.
[Abstract]:With the rapid growth of the Internet, the scale of the service resources how to efficiently and accurately find a key problem to be solved. The service is service clustering is an important technology for service discovery. However, the existing service clustering method only for a single type of service for document clustering, and did not consider the characteristics of service. According to the field the problem, based on the field of service classification, proposed a probability based clustering, service - field service clustering model fusion field characteristics (domain service clustering model, DSCM), then the model proposes a topic oriented service based on clustering method. Finally through the ProgrammableWeb website to provide real service in the proposed method are verified. The experimental results show that this method can accurately classify different types of services and classical documents. Compared with K-means and other methods, latent Dirichlet allocation (LDA) has better effect in clustering purity and F-measure index, thus providing better support for on-demand service discovery and service composition.

【作者单位】：河南大学计算机与信息工程学院;软件工程国家重点实验室(武汉大学);武汉工程大学计算机科学与工程学院;
【基金】：国家自然科学基金项目(61202031,61100017,61100018,61272115) 国家科技支撑计划基金项目(2012BAH07B01) 国家云计算示范工程项目(中小企业管理云应用研发与产业化) 中央高校基本科研业务费专项资金项目(201121102020004,2012211020201)
【分类号】：TP393.09

【参考文献】