[发明专利]一种基于标签稀疏学习的Web服务发现方法

摘要

本发明公开了一种基于标签稀疏学习的Web服务发现方法，其目标系突破当前服务数据源使用单一的研究现状，充分使用文本信息优化服务发现的过程。该方法首先使用开源工具提取服务描述文件和关联标签的文本信息，再使用稀疏模型工具挖掘服务描述文件和标签之间的隐藏关系，最后通过优化学习实现了精确的标签预测功能。本发明充分挖掘WSDL文本特征以有效地提高标签预测的准确性；另外，本发明通过使用二阶段混合智能算法可实时响应多用户的个性化服务查询请求，产生的标签预测列表有助于提高Web服务发现的效能。 1

主权项

1.一种基于标签稀疏学习的Web服务发现方法，包括如下步骤：(1)收集服务集中各Web服务的WSDL文件以及人工标记的服务标签；(2)对每个Web服务的WSDL文件和服务标签进行预处理，其中对于WSDL文件，则利用XML工具提取WSDL文件的特征信息并建立对应的文本特征向量；对于服务标签，则利用自然语言处理中常用的开源文本规整化工具对服务标签进行规整化处理；(3)对于标签库中的任一标签，通过对以下目标函数L进行最小化求解，以求得该标签相对于服务集的权重向量w；其中：vd为服务集中第d个Web服务WSDL文件的文本特征向量，D为服务集中所有Web服务的总个数；若该标签已被人工标记为第d个Web服务的服务标签，则yd＝1，否则yd＝0；α为预设的规则因子，T为向量转置；具体采用以下迭代方程对目标函数L进行最小化求解：其中：w_t和w_t+1分别为第t次迭代和第t+1次迭代标签相对于服务集的权重向量，为w_t经梯度下降后的权重向量，w_t+1(i)为权重向量w_t+1中的第i个元素值，为权重向量中的第i个元素值，t为迭代次数，i为自然数且1≤i≤N，N为权重向量w的维度，θ为预设的迭代因子；(4)对于标签库中的任一标签，使该标签的权重向量w与服务集中每个Web服务WSDL文件的文本特征向量进行内积运算，对应得到该标签相对于每个Web服务的标记概率；通过设定概率阈值，从服务集中提取出标记概率大于该概率阈值的Web服务，且使该标签作为这些Web服务的预测标签；(5)由服务搜索引擎接受用户的目标查询请求，若服务集小于一定数量规模，则服务搜索引擎直接将目标查询请求与服务集中每个Web服务的WSDL文件信息进行字符串匹配；若服务集大于一定数量规模，则服务搜索引擎直接将目标查询请求与服务集中每个Web服务的预测标签进行字符串匹配；最后将匹配上的Web服务展现给用户。