一种半自动Web服务语义标注方法

针对目前Web服务语义标注方法的准确性不高和随意性较强等问题,提出一种半自动Web服务语义标注方法。首先解析Web服务的功能接口信息,抽取作为标注对象的核心词;然后利用概念相似度匹配算法生成候选概念集合,供自动标注或人工选择标注;若候选概念集合为空集,则利用同义词匹配算法与模式匹配算法再次匹配,求得新的候选概念集合。实验结果表明,该语义标注方法有效提高了查全率。     

基于语义的Web服务发现算法

传统的Web服务发现只是简单的基于关键字的语法匹配,查询得到的服务往往不是用户想要的.在基于接口的Web服务发现的基础上,改进了Web服务描述模型,增加了服务质量(QoS),提出了分步过滤匹配算法.先通过服务类别过滤器进行语义过滤筛选,去除不相关的Web服务,然后通过服务相似度度量候选服务和请求服务之间的相似程度.候选服务和请求服务之间的相似度是通过服务功能相似度和服务质量相似度两个方面进行综合评估的.最后,通过实验证明了该匹配算法的可行性和有效性.     

基于语义的Web服务发现核心技术研究

在研究Web服务本体描述语言OWL S缺乏对服务质量的明确刻画的基础上,引入服务质量本体QoSOn对OWL S规范进行扩展。其次,提出了“两阶段”匹配模型,该算法首先经过基于服务分类的匹配剔除不相关的服务,然后引入服务相似度来度量候选广告服务和请求服务之间的相似程度;候选服务和请求服务之间的相似度是通过OWL S Profile的功能相似度和QoSOn本体的服务质量相似度两个方面进行综合评估的。最后,通过对比实验证明了该匹配算法的可行性和有效性。     

基于本体概念集合相似度的语义Web服务匹配

面向应用领域的Web服务发现技术的目标是帮助用户找到能够为其构建应用系统提供功能支持的Web服务,从而来降低应用系统的开发成本和提高开发效率,而在服务发现技术中服务匹配程度的高低是一个关键。为了更有效准确地获得服务之间的匹配程度,文章从web服务的输入与输出参数的语义描述出发,把语义Web服务的匹配问题转化成本体库中概念向量的相似度计算问题,通过在考虑概念结构上的路径长度、深度和密度影响因素上计算两个概念的相似度的基础上,构建了概念集合的相似度算法。实验表明该算法较别的匹配方法在查全率、特别是查准率上得到了提高。     

基于本体概念集合相似度的语义 Web 服务匹配

面向应用领域的 Web 服务发现技术的目标是帮助用户找到能够为其构建应用系统提供功能支持的 Web 服务,从而来降低应用系统的开发成本和提高开发效率,而在服务发现技术中服务匹配程度的高低是一个关键.为了更有效准确地获得服务之间的匹配程度,文章从 Web 服务的输入与输出参数的语义描述出发,把语义 Web 服务的匹配问题转化成本体库中概念向量的相似度计算问题,通过在考虑概念结构上的路径长度、深度和密度影响因素上计算两个概念的相似度的基础上,构建了概念集合的相似度算法.实验表明该算法较别的匹配方法在查全率、特别是查准率上得到了提高     

面向用户均衡需求的Web服务资源智能推荐方法

研究了满足用户在服务功能、服务属性和服务质量上的多层次均衡需求的Web服务资源智能推荐方法,解决了服务信息过载问题。现有服务推荐技术存在未考虑用户对服务多层次均衡需求的不足,结合Web服务资源的特点,综合考虑用户服务需求与候选服务群之间的多层次相似度,设计了综合Web服务资源的功能、属性和质量三个层次的适合度匹配算法,以及用户主观兴趣度匹配算法。通过这两个算法建立了面向用户均衡需求的个性化Web服务资源智能推荐方法,能将最大匹配度的Web服务资源推荐给目标用户。     

基于概念相似度计算的语义Web服务发现方法

提出一种基于领域本题概念相似度计算的语义Web服务发现方法。给出合理的概念相似度计算公式,通过领域本体概念相似度计算,最终获得请求和候选服务之间的相似度。传统的概念相似度计算方法只考虑继承关系,本文采用的单概念语义不但考虑继承关系,还考虑二元关系,使本体关系结构构成图结构,更加合理。计算语义距离时,适当处理多继承问题和环问题。实验证实,本算法使得匹配更加合理精确。     

基于可信联盟的服务推荐方法

随着满足用户需求的候选服务数量的飞速增长,服务选择的难度日益增大,服务推荐已成为服务选择的重要环节之一,受到越来越多的关注.然而,目前基于协同过滤的服务推荐方法较少关注到服务的不同属性特征对相似度计算会产生不同的影响,在寻找邻居用户时也很少考虑推荐用户与目标用户之间的信任关系,难以抵抗推荐用户的恶意推荐,无法保障推荐结果的精确度和可信性.针对以上问题,文中通过引入服务的推荐属性特征,改进传统相似度计算公式并基于Beta信任模型建立用户间信任关系,根据改进的相似度计算方法与服务推荐行为的信任度构建出邻居用户的可信联盟,提出了一种基于可信联盟的服务推荐方法.仿真实验与结果表明:与现有其它诸多方法相比,该方法不仅提高了服务推荐的精确度,还能有效保障服务推荐者的可信性,能较好的抵抗恶意攻击.     

基于服务分组的语义Web服务发现研究

提出一种多本体环境下的服务组织和发现方法。服务注册时,根据服务本体合理组织服务,即计算服务描述与本体概念组间的相似度,对注册服务进行分组。服务发现时,不需要将服务请求与所有注册的服务顺序地、一个一个地进行匹配判断。它首先根据服务请求的服务领域,缩小服务查找空间,然后根据服务请求概念集与本体概念组之间的相似度,进一步减小服务查找空间,进而提高了服务的发现效率。同时设定服务请求概念集与本体概念组之间的相似度阀值ξ的大小,来保证服务的查全率;而服务查找空间确定后,按照服务功能参数匹配筛选满足服务请求功能需求的服务,最后参考服务质量进行选择服务,提高服务查准率。     

基于OWL-S的Web服务匹配研究

提出一种基于OWL-S描述的混合服务匹配方法,得到服务输入/输出功能参数的匹配度。该方法对服务集进行聚类以减少计算量,在语法层面上做基于奇异值分解的统计相似计算,在语义层面上基于本体做逻辑推理相似计算,根据两者结合的结果得出服务相似度计算。实验结果表明,该方法优于其他常用的方法。     

基于逻辑Petri网的Web服务簇模型

在基于聚类的Web服务中,同一服务簇中的服务在参数名称、参数数量和顺序方面不尽一致,具有参数不确定性的特点,导致参数匹配仍需要很大的工作量。因此提出一种基于逻辑Petri网的Web服务簇模型,将服务的参数集合表示为基于服务簇参数集的逻辑向量,建立了服务簇到各个服务的映射关系,实现对服务参数的统一管理。基于语义相似度的参数匹配仅在服务簇层进行,在服务簇内可以用位置向量直接定位参数,通过逻辑比较判断是否匹配,使得参数匹配的规模和计算复杂度大大降低,提高了服务发现效率。     

Web服务流程相容性和相似性分析

服务组合和服务替换是面向服务计箅的研究热点,服务流程的相容性和相似性分析是其中的两个密切相关的问题,具有较大实用价值.基于着色Petri网建模Web服务流程,定义服务流程的正确性和相容性.提出服务良构件的概念,证明良构件能够保证组合服务可达终止状态的正确性.在相容性分析的基础上,提出服务流程相似性的定义,证明若新服务与要被替换的服务流程相似,则所进行的替换是上下文无关的,替换后无须再做组合正确性验证,给出相似性的判定算法.文中结论和算法改进了现有服务组合验证和服务替换方法的不足.     

基于协同过滤和Slope One算法的Web服务可靠性预测

针对Web服务的可靠性预测已成为服务计算领域的研究热点。为提高已有的针对Web服务可靠性预测方法的性能,提出两种方法。首先,针对基于协同过滤的Web服务可靠性预测方法,对用户的相似性、服务相似性以及预测值的计算方法都进行了适当的改进;其次,将k-means聚类算法与Slope One算法进行集成,进而用于开展Web服务可靠性预测。实验结果表明,相较已有方法,本文所提出的方法具有更高的预测精度。     

一种面向Mashup应用的API推荐方法

在动态变化的网络环境下,来自组合服务或Mashup的服务可能不可用或失效.此外,随着越来越多的服务在互联网上,用户很难找到他们想要的服务.服务聚类是辅助服务发现的一种重要方法,但是已有的服务发现方法没有考虑服务本身的规格(Specs)信息.针对上述问题,提出了一种面向Mashup应用的API推荐方法,通过LDA主题聚类...     

基于服务簇的空间信息服务自动发现

现有Web服务自动发现方法中存在服务匹配程度区分不明显、服务发现精度不高等问题。为此,提出一种基于服务簇的空间信息服务自动发现算法。对发布的空间信息服务进行聚类分析,计算服务请求与各服务簇中心的相似度,由此确定最优匹配簇,根据服务请求与最优匹配簇中服务的语义相似度,得出服务请求的最优匹配服务。实验结果表明,该算法在实现对Web服务匹配程度定量表示的同时,能有效提高匹配程度的区分度和服务发现的查全率和效率。     

利用服务聚类优化面向过程模型的语义Web服务发现

如何快速、准确和高效地发现满足用户需求的Web服务是现阶段急需解决的关键问题之一.文中针对现有的Web服务发现机制中存在的效率低下和查准率不高的两个问题,提出了一个新的语义Web服务发现框架.在该框架下,采用Petri网作为Web服务过程描述的形式化工具.首先,利用聚类技术,从服务的功能相似和过程相似两个层面对服务进行聚类预处理,从而在很大程度上降低服务的查找空间,提高服务的查找效率.进一步,针对服务请求中可能潜在的行为约束,建立基于Petri网的过程需求模型,将其与候选服务的过程模型进行比较,对满足功能需求的可行服务进一步筛选,从而提高查找的精确度.最后,利用仿真实验对所提出的方法进行验证.     

Research of fast SOM clustering for text information

The state-of-the-art text clustering methods suffer from the huge size of documents with high-dimensional features. In this paper, we studied fast SOM clustering technology for Text Information. Our focus is on how to enhance the efficiency of text clustering system whereas high clustering qualities are also kept. To achieve this goal, we separate the system into two stages: offline and online. In order to make text clustering system more efficient, feature extraction and semantic quantization are done offline. Although neurons are represented as numerical vectors in high-dimension space, documents are represented as collections of some important keywords, which is different from many related works, thus the requirement for both time and space in the offline stage can be alleviated. Based on this scenario, fast clustering techniques for online stage are proposed including how to project documents onto output layers in SOM, fast similarity computation method and the scheme of Incremental clustering technology for real-time processing, We tested the system using different datasets, the practical performance demonstrate that our approach has been shown to be much superior in clustering efficiency whereas the clustering quality are comparable to traditional methods.     

基于逻辑Petri网的服务流程结构演化研究

流程结构演化是实现服务流程重构的一种有效手段,可以充分利用已有流程资源快速定制满足新业务需求的服务流程.然而,当前服务演化研究多关注于流程局部组成服务以及接口参数的兼容替换,对于流程结构演化所提供的操作过于简单,难以应对复杂流程演化场景.针对上述问题,提出一种基于逻辑Petri网的服务流程结构演化形式化描述方法.利用逻辑Petri网将服务流程建模为服务网,在服务网的基础上,针对不同的演化需求构建相应的结构演化运算;引入结构范式概念评价服务流程的结构健壮性,并借助逻辑Petri网的结构性质来分析与验证所建立的演化运算对流程结构范式的级别保持问题.给出了基于流程结构演化的服务流程定制框架,并基于所提出结构演化运算设计开发了仿真验证平台,验证了方法的有效性.     

基于多语义因子分层聚类的文本特征提取方法

针对同类文本中提取的关键词形式多样,且在相似性与相关性上具有模糊关系,提出一种对词语进行分层聚类的文本特征提取方法。该方法在考虑文本间相同词贡献文本相似度的前提下,结合词语相似性与相关性作为语义距离,并根据该语义距离的不同,引入分层聚类并赋予不同聚类权值的方法,最终得到以词和簇共同作为特征单元的带有聚类权值的向量空间模型。引入了word2vec训练词向量得到文本相似度,并根据Skip-Gram+Huffman Softmax模型的算法特点,运用点互信息公式准确获取词语间的相关度。通过文本的分类实验表明,所提出的方法较目前常用的仅使用相似度单层聚类后再统计的方法,能更有效地提高文本特征提取的准确性。