[发明专利]基于融合标签和文档的网络主题模型的Web服务聚类方法

说明书

本发明涉及一种基于融合标签和文档的网络主题模型的Web服务聚类方法，首次提出利用图的思想解决Web服务聚类问题，本方法先构建Web服务网络，然后对网络进行图聚类，不仅利用了Web服务文档的文本属性，同时结合了Web服务之间的结构信息，对Web服务之间的关系进行全面的刻画；Web服务网络构建是核心，本方法考虑Web服务标签信息这一重要特征，不仅有效克服Web服务描述文档较短、信息稀疏这一弱点，还使得标签信息在Web服务之间的关系刻画过程中发挥重要作用；对Web服务描述文本和标签分别构建网络，然后将这两种模态的网络进行加权融合，形成Web服务网络；经过在真实数据集上进行了大量的实验验证，本方效果优于其它聚类方法，并且准确率和召回率达到了0.7以上。

技术领域

本发明涉及Web服务技术领域，更具体地说，涉及一种基于融合标签和文档的网络主题模型的Web服务聚类方法。

背景技术

Web服务是一种依赖互联网的应用系统，它为互联网用户提供各种数据计算和资源共享服务。随着Web 2.0、移动互联网、物联网与云计算等技术的迅猛发展，大量基于SOA(Service Oriented Architecture，面向服务架构)的互联网应用被创建，而Web服务逐渐成为实现SOA架构的主流技术，互联网上的Web服务呈现出快速增长的趋势。据统计，目前最大、最活跃的Web服务发布和共享平台Programmable Web上每天都会产生数十个新的被称为API(Application Programming Interface)的Web服务。其中，从2011年6月至2018年3月，网站中的服务数量从3261个增加到19000多个，增幅高达500％。在此背景下，有效地管理Web服务资源和合适Web服务发现已经成为当今人们面临的一个重要挑战，其中，如何辅助用户有效地发现合适的Web服务是面向服务计算领域需要解决的核心问题之一。

目前，Web服务聚类作为一种解决服务发现问题的方法被广泛关注，很多研究表明，Web服务聚类将极大地提高Web服务搜索引擎检索相关服务的能力。传统Web服务聚类研究的一个重要限制是，研究人员只关注于利用Web服务的WSDL(Web Services DescriptionLanguage，Web服务描述语言)文档信息(例如：服务名称、内容、类型、消息、端口)，而传统服务聚类方法数据源的单一性限制了聚类的准确性。针对传统Web服务聚类方法的不足，一些学者基于Web服务信息考虑了一些辅助信息，如利用多重融合信息、描述文本、标签、标签共享信息等来提高服务聚类的性能。标签(Tag)作为资源管理和检索的有效方式成为近些年的热点研究对象，有学者提出基于LDA模型(Latent Dirichlet Allocation)利用标签信息和WSDL文档信息来提高服务聚类性能。尽管该方法的服务聚类效果比传统聚类方法有所提高，但只考虑到标签的语义信息，没有考虑到标签和文档的网络结构信息，不能全面地提高服务聚类的有效性。针对这些方法的不足，本文首先考虑标签信息提高描述文档的有效性，通过主题模型挖掘潜在主题及语义，将服务内容从高维词向量空间映射到低维主题向量空间，实现服务文档的降维。其次，基于主题分布向量构建Web服务网络聚类，可以避免直接构建网络时，因服务规模太大而影响服务聚类效果的问题。

发明内容

针对现有技术中存在的不足，本发明提供一种基于融合标签和文档的网络主题模型的Web服务聚类方法。

本发明解决其技术问题所采用的技术方案是：构造一种基于融合标签和文档的网络主题模型的Web服务聚类方法，包括：

步骤1，从Web服务数据中提取Web服务的描述文本信息和标签信息；

步骤2，对Web服务描述文本信息进行数据清洗；

步骤3，用LDA主题模型训练，得到描述文本信息和标签信息的主题概率分布；

步骤4，通过文本信息和标签信息的主题概率分布分别构建对应的表征Web服务相似网络；