融合多维信息的Web服务表征方法

摘要：

随着面向服务体系结构(SOA)技术的发展,Web服务的数量增长迅速.正确高效地对Web服务进行聚类或分类,能够有效地提高服务发现质量以及促进服务组合效率.然而,现有的Web服务建模方法(如LDA主题模型)难以从稀疏的We b服务数据中获得精确有效的信息用于We b服务聚类.针对这个问题,提出了一种融合多维信息的Web服务表征方法(MISR).首先,将高斯混合模型和Word2Vec算法相结合生成包含Web服务功能主题信息和语义信息的词向量表征.然后,抽取出We b服务中包含的标签-词汇信息、流行度以及We b服务共现信息,结合前一步生成的向量生成包含多维信息的We b服务表征向量.最后,在We b服务聚类和Web服务分类两个任务上对MISR方法的有效性进行验证.在真实数据集上进行Web API服务聚类实验,实验结果表明,相比于LDA、Word2Vec、Doc2Vec、WT-LDA、HDP-SOM、GWSC,提出的方法在Micro-F1值上有38.8％、54.5％、15.3％、33.3％、44.7％、9.7％的提升.

关键词：Web服务表征、高斯混合模型、Word2Vec、Web服务聚类、Web服务分类

所属期刊栏目：16

分类号：TP301(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFB1707602

在线出版日期：2022-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1561-1569