[发明专利]一种基于标签的web服务聚类方法

说明书

技术领域

本发明属于web服务领域，尤其涉及一种基于标签的Web服务聚类方法。

背景技术

面向服务的计算(SOC)为我们提供了一种将单一功能应用无缝聚合为大粒度增值服务的方法。如今，服务组合受到了产业界的关注，并且应用到了各个领域，比如工作流管理、金融、电子商务等等。因此如何准确发现满足用户需求的web服务，成为了一个重要的研究方向。Web服务是互联网上实现某种功能或执行预先设定的流程的软件对象集，它们在Web上发布，能被用户发现并调用。用户在调用服务之后，可以利用标签对服务进行评注，标签的形式往往是单词或者短语，可以是对服务功能的描述或其他语义信息。

目前，服务查询主要是利用web服务搜索引擎实现的，它是利用基于关键字匹配WSDL文件的方法进行查询。WSDL(Web服务描述语言，Web Services Description Language)是为描述Web服务发布的XML格式文件，描述了Web服务的公共接口。但是这种方法存在一定的缺陷，比如噪声敏感、低召回率等问题。

发明内容

针对上述技术缺陷，本发明提出一种基于标签的Web服务聚类方法。

为了解决上述技术问题，本发明的技术方案如下：

一种基于标签的web服务聚类方法，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。作为可选方案，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：