基于機(jī)器學(xué)習(xí)方法的可信Web服務(wù)發(fā)現(xiàn)關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)和云計(jì)算的不斷發(fā)展，Web服務(wù)技術(shù)逐漸成為當(dāng)前的一大研究熱點(diǎn)。在Web服務(wù)技術(shù)眾多研究主題中，可信Web服務(wù)發(fā)現(xiàn)已成為國(guó)際上亟待解決的重要課題。對(duì)于部署在分布、開放、多變、難控網(wǎng)絡(luò)環(huán)境下的海量Web服務(wù)，如何保證其能夠正確、安全和快速地為用戶提供滿足其需求的可信服務(wù)顯得尤為重要。因此，進(jìn)行高可信的Web服務(wù)發(fā)現(xiàn)研究具有一定的戰(zhàn)略性、基礎(chǔ)性和前瞻性，對(duì)我國(guó)軟件業(yè)發(fā)展具有重大意義。本文通過引入機(jī)器學(xué)習(xí)領(lǐng)域中的核基學(xué)習(xí)、度量學(xué)習(xí)和稀

2、疏學(xué)習(xí)理論，結(jié)合自組織映射(Self-Organizing Map，SOM)神經(jīng)網(wǎng)絡(luò)和分類器正則化技術(shù)，以基于WSDL(Web ServiceDescription Language)語言描述的Web服務(wù)為研究對(duì)象，對(duì)可信Web服務(wù)發(fā)現(xiàn)領(lǐng)域中的若干關(guān)鍵問題進(jìn)行了研究，并取得了一些成果。
　　本研究主要內(nèi)容包括：⑴提出了一個(gè)基于WordNet和概念語義降維的輕量級(jí)語義Web服務(wù)發(fā)現(xiàn)模型。該模型通過引入WordNet和隱含語義索引技術(shù)

3、對(duì)Web服務(wù)進(jìn)行輕量級(jí)語義特征提取，使得低維緊致的服務(wù)表示向量具有更符合其真實(shí)語義的特征描述;同時(shí)，為了更好地評(píng)價(jià)真實(shí)Web服務(wù)的相似性，該模型還引入了一種基于核基相似性度量的Web服務(wù)匹配機(jī)制，克服了傳統(tǒng)服務(wù)匹配機(jī)制忽略樣本分布統(tǒng)計(jì)特性的局限性。⑵提出了一種核Batch SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，并由此構(gòu)建了一類核Batch SOM神經(jīng)網(wǎng)絡(luò)聚類優(yōu)化的Web服務(wù)發(fā)現(xiàn)模型。該模型通過對(duì)Web服務(wù)進(jìn)行自適應(yīng)聚類管理，將功能相同或相近的Web服

4、務(wù)聚合在一起，從中抽取類標(biāo)識(shí)服務(wù)來輔助Web服務(wù)的注冊(cè)、查找等，可以大大縮小服務(wù)搜索的匹配空間，從而提高服務(wù)發(fā)現(xiàn)的效率。⑶提出了一種Web服務(wù)有監(jiān)督特征提取和自適應(yīng)相似性評(píng)價(jià)機(jī)制。首先通過引入逆類別頻率改進(jìn)傳統(tǒng)的無監(jiān)督術(shù)語加權(quán)機(jī)制，提出了一種融合類先驗(yàn)信息的有監(jiān)督Web服務(wù)特征提取方法;其次通過引入大間隔度量學(xué)習(xí)理論，提出了一種基于類先驗(yàn)信息的服務(wù)相似性度量學(xué)習(xí)方法。這兩種方法都能有效區(qū)分樣本特征的相關(guān)性和無關(guān)性，合理揭示數(shù)據(jù)的內(nèi)在分布

5、結(jié)構(gòu)。由此構(gòu)建的基于有監(jiān)督服務(wù)表示和自適應(yīng)相似性評(píng)價(jià)的聚類優(yōu)化Web服務(wù)發(fā)現(xiàn)模型驗(yàn)證了這兩種方法的有效性。⑷提出了一種基于結(jié)構(gòu)化噪聲矩陣補(bǔ)全的可信Web服務(wù)QoS預(yù)測(cè)機(jī)制。首先通過引入L2,1范數(shù)正則化技術(shù)將Web服務(wù)QoS預(yù)測(cè)問題建模為一類結(jié)構(gòu)化噪聲矩陣補(bǔ)全問題。其次，為了有效地求解該結(jié)構(gòu)化噪聲矩陣補(bǔ)全問題，提出了一種基于算子分裂技術(shù)的結(jié)構(gòu)化噪聲矩陣補(bǔ)全算法(OSMCSN)。真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，OSMCSN算法不僅可以顯著提高

6、Web服務(wù)QoS預(yù)測(cè)精度，還能準(zhǔn)確探測(cè)出采樣矩陣中的噪聲行位置信息，從而實(shí)現(xiàn)對(duì)操縱和篡改QoS信息的不誠(chéng)實(shí)用戶進(jìn)行預(yù)警。⑸提出了一類多值多對(duì)多高斯聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型，并且對(duì)該模型的漸近穩(wěn)定性，存儲(chǔ)容量和糾錯(cuò)能力進(jìn)行了分析?；诼?lián)想的圖像檢索應(yīng)用證實(shí)了該模型的魯棒性能。特別地，由于概念語義網(wǎng)絡(luò)是體現(xiàn)Web服務(wù)語義和智能的重要載體，其聯(lián)想和推理能力直接關(guān)系到Web服務(wù)的查詢精度及組合效率，因此，將該模型應(yīng)用于Web服務(wù)概念語義網(wǎng)絡(luò)的智能管