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

1、目前，作為下一代網(wǎng)絡(luò)雛形的語義Web得到了學術(shù)界的廣泛關(guān)注和研究，而如何在語義Web上尋找到滿足用戶需求的語義Web服務(wù)是一個研究熱點?，F(xiàn)有的語義Web服務(wù)發(fā)現(xiàn)方法因為增加了對語義信息的計算而使得發(fā)現(xiàn)效率并不高。同時，現(xiàn)有的一些方法因為本體構(gòu)建的復(fù)雜性只限于某些領(lǐng)域的使用，造成擴展性不夠且匹配精度不高等問題。本文針對現(xiàn)有方法的問題，基于聚類思想和二分圖匹配方法提出了一種新的語義Web服務(wù)發(fā)現(xiàn)方法，主要研究工作有如下幾點:
　　第一

2、，分析OWL-S語言的源碼構(gòu)成，抽象出語義Web服務(wù)的描述模型和服務(wù)請求模型，并給出了一個語義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的特征空間語義降維的方法，既考慮了特征項的語義信息又有效的降低了空間維度。
　　第三，針對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CSID進行聚類操作。通過聚類將相關(guān)服務(wù)聚集在一起形成服務(wù)簇，在進行服務(wù)匹配時，只與相關(guān)服務(wù)簇中的服務(wù)匹配，避免與無關(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計算概念間語義相似度的方法，整合了基于語義距離和基于信息量兩種計算概念間語義相似度的方法的優(yōu)點，并且同時考慮了概念的深度和概念間語義重合度等因素，給出了一個整合四個

4、因素的概念間語義相似度的線性加權(quán)的計算公式。
　　第五，將服務(wù)請求與服務(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)匹配的思想來完成匹配操作。對于帶權(quán)二分圖的構(gòu)造過程和計算帶權(quán)二分圖的最優(yōu)匹配過程進行了詳細說明，同時，針對現(xiàn)有算法的問題，提出了一種新的計算概念集合間語義相似度的算法：KM-avg算法。使用KM-avg算法計算出輸入相似度和輸出相似度之后，通過本文給出的一個線性加