基于標簽推薦的Mashup服務聚類研究.pdf

1、隨著服務計算和云計算的發(fā)展，各種各樣的網(wǎng)絡服務涌現(xiàn)，極大地促進了面向服務的網(wǎng)絡應用及軟件系統(tǒng)構造。傳統(tǒng)的Web服務是基于SOAP協(xié)議、用WSDL文檔進行描述的，它廣泛應用于互聯(lián)網(wǎng)的各個領域，但也暴露出不少問題，如技術體系過于復雜、可擴展性較差等缺點。而輕量級的基于RESTful的Mashup服務，由不同功能的Web API進行組合而成，可以開發(fā)出滿足個性需求的軟件應用。然而，相比于傳統(tǒng)的Web服務，Mashup服務沒有規(guī)范的形式化描述模

2、型，從而也就加大了其服務查找與發(fā)現(xiàn)的難度。ProgrammableWeb網(wǎng)站作為一個流行的在線社區(qū)，允許用戶發(fā)布 Mashup，并且對 Mashup進行標注、排序，同時它也存在服務人工標注的隨意性、服務分類不太合理、服務搜索及發(fā)現(xiàn)的效率與精確度不高等問題。因此，Web服務的發(fā)現(xiàn)和挖掘便成為一個熱門研究方向，而合理有效地利用標簽信息進行服務聚類，從而改進Web服務發(fā)現(xiàn)的性能得到越來越多學者的關注與研究。本文圍繞基于標簽推薦和服務聚類開展了

3、如下工作：
　　1、提出了一種新穎的融合K-Means與Agnes的Mashup服務聚類方法MSCA。該方法首先對Mashup服務中的Tag標簽進行擴充和排序；其次，計算 Mashup服務的集成相似性；接著，應用K-Means算法對Mashup服務相似度矩陣進行聚類，找到相似度較高的Mashup服務將其劃分到N個原子簇中，再利用Agnes算法對N個原子簇進行層次聚類，與以往方法相比，服務聚類效果及服務發(fā)現(xiàn)的精度有較大提高。

4、　　2、提出了基于LDA標簽輔助的Mashup服務聚類方法MT-LDA，該方法首先對數(shù)據(jù)進行預處理，利用 LDA為語料庫建模，運用 Gibbs抽樣方法進行推理，間接計算模型參數(shù)，挖掘隱藏在文本內的不同主題與詞之間的關系，得到文本的主題分布，并以此分布計算文本之間的相似度，最后根據(jù)文本相似度矩陣進行Mashup服務聚類，并評估聚類效果。通過對比實驗表明，引入 LDA方法引出資源的隱含主題，同時利用標簽信息進行服務聚類，能夠顯著地提高服務聚