[发明专利]一种基于标签的web服务聚类方法

权利要求书

1.一种基于标签的web服务聚类方法，其特征在于，包括如下步骤：

1)收集互联网上web服务的WSDL文件和标签信息；

2)从WSDL文件中提取web服务的特征值，所述特征值包括内容、类型、消息、端口和服务名称；

3)对web服务的各个特征值和标签信息进行相似度计算，并根据特征值和标签信息的相似度值计算综合相似度；

4)根据综合相似度使用WTCluster算法对web服务进行聚类。

2.根据权利要求1所述的一种基于标签的web服务聚类方法，其特征在于，所述特征值内容的提取包括如下步骤：

21)建立内容特征向量：将WSDL文件的内容根据空白符进行分割，进而得到初始内容特征向量；

22)去除词尾：利用波特词干算法将词干相同但后缀不同的单词统一化；

23)噪声过滤：在所述内容向量中，过滤两类没有意义的单词，第一种是XML标签，第二种是功能性词汇；

判断所述功能性词汇的包括如下步骤，首先建立词频的泊松分布模型，为每个单词w计算过估因子：

Λw=n^wnw]]>

其中是通过泊松分布对w的估计词频，n_w是实际在文本中统计的词频，过估因子越小，则单词w越可能是功能性词汇，设置阈值Λ_T，过估因子小于该阈值的单词将被认定为功能性词汇而过滤掉，所述Λ_T的选取如下：

ΛT=avg[Λ]if(arg[Λ]>1)1otherwise]]>

其中，avg[Λ]是所有单词统计词频n_w的平均值；

24)精炼：在所述内容特征向量中，通过设置阈值移除频率过高的单词得到一个web服务的内容特征向量；

所述特征值内容的相似度计算包括如下步骤：

25)使用NGD计算两个web服务间的内容相似度，对于两个web服务s₁、s₂以及他们各自的内容特征向量content_s1、content_s2，内容特征向量中的单词记为w，这两个服务之间的内容的相似度计算方式如下：

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

其中，|content_s1|表示content_s1中单词的数量，两个单词之间的相似度计算公式为：

sim(w_i，w_j)＝1-NGD(w_i，w_j)

所述NGD为正规化Google距离计算。