基于聚類和二分圖的語(yǔ)義Web服務(wù)發(fā)現(xiàn)的研究.pdf

1、目前，作為下一代網(wǎng)絡(luò)雛形的語(yǔ)義Web得到了學(xué)術(shù)界的廣泛關(guān)注和研究，而如何在語(yǔ)義Web上尋找到滿足用戶需求的語(yǔ)義Web服務(wù)是一個(gè)研究熱點(diǎn)。現(xiàn)有的語(yǔ)義Web服務(wù)發(fā)現(xiàn)方法因?yàn)樵黾恿藢?duì)語(yǔ)義信息的計(jì)算而使得發(fā)現(xiàn)效率并不高。同時(shí)，現(xiàn)有的一些方法因?yàn)楸倔w構(gòu)建的復(fù)雜性只限于某些領(lǐng)域的使用，造成擴(kuò)展性不夠且匹配精度不高等問(wèn)題。本文針對(duì)現(xiàn)有方法的問(wèn)題，基于聚類思想和二分圖匹配方法提出了一種新的語(yǔ)義Web服務(wù)發(fā)現(xiàn)方法，主要研究工作有如下幾點(diǎn):
　　第一

2、，分析OWL-S語(yǔ)言的源碼構(gòu)成，抽象出語(yǔ)義Web服務(wù)的描述模型和服務(wù)請(qǐng)求模型，并給出了一個(gè)語(yǔ)義Web服務(wù)發(fā)現(xiàn)框架。
　　第二，給出了CSID(服務(wù)信息文檔集合)的定義和提取方法，為了便于聚類操作，采用VSM(向量空間模型)表示CSID，并提出了一種基于WordNet的特征空間語(yǔ)義降維的方法，既考慮了特征項(xiàng)的語(yǔ)義信息又有效的降低了空間維度。
　　第三，針對(duì)K-Means算法的兩大缺陷，提出了一種基于優(yōu)化k值和優(yōu)化初始聚類中心的

3、K-Means算法（稱為k-PSO-KM算法），并使用k-PSO-KM算法對(duì)CSID進(jìn)行聚類操作。通過(guò)聚類將相關(guān)服務(wù)聚集在一起形成服務(wù)簇，在進(jìn)行服務(wù)匹配時(shí)，只與相關(guān)服務(wù)簇中的服務(wù)匹配，避免與無(wú)關(guān)服務(wù)的匹配，從而提高服務(wù)發(fā)現(xiàn)效率。
　　第四，提出一種新的基于WordNet計(jì)算概念間語(yǔ)義相似度的方法，整合了基于語(yǔ)義距離和基于信息量?jī)煞N計(jì)算概念間語(yǔ)義相似度的方法的優(yōu)點(diǎn)，并且同時(shí)考慮了概念的深度和概念間語(yǔ)義重合度等因素，給出了一個(gè)整合四個(gè)

4、因素的概念間語(yǔ)義相似度的線性加權(quán)的計(jì)算公式。
　　第五，將服務(wù)請(qǐng)求與服務(wù)間的匹配分成輸入匹配和輸出匹配兩部分，并將輸入匹配和輸出匹配抽象成二分圖模型，采用帶權(quán)二分圖的最優(yōu)匹配的思想來(lái)完成匹配操作。對(duì)于帶權(quán)二分圖的構(gòu)造過(guò)程和計(jì)算帶權(quán)二分圖的最優(yōu)匹配過(guò)程進(jìn)行了詳細(xì)說(shuō)明，同時(shí)，針對(duì)現(xiàn)有算法的問(wèn)題，提出了一種新的計(jì)算概念集合間語(yǔ)義相似度的算法：KM-avg算法。使用KM-avg算法計(jì)算出輸入相似度和輸出相似度之后，通過(guò)本文給出的一個(gè)線性加