基于自动语义标注和集成学习的Web服务分类

摘要：

随着Web服务技术的发展,它们在互联网上发布的数量正在快速增长,智能地去识别每个Web服务成为了高效运用网络的关键,而识别Web服务的第一步就是对它们进行准确地分类.于是对海量的Web服务进行分类成为一项工作量庞大的任务.于是,为了能够更有效的利用这些Web服务,需要自动对Web服务进行分类.本文以常见的WSDL为例进行研究,由于Web服务的描述采用了WSDL文件,使之无法用传统的文本分类手段.该文中介绍了一种将WSDL文件处理后通过本体匹配进行自动的语义标注,运用Naive Bayes、SVM、REPTree三种分类方法,进而运用集成学习进行分类的方法,在951个Web服务集合上进行19个类别的分类实验中,其准确率达到了87.39％.

关键词：WSDL、自然语言处理、本体匹配、集成学习

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目60873230,61073021;上海市科委项目10511501503,09511502603;教育部新世纪优秀人才计划项目NCET-08-0347

在线出版日期：2013-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：23-28