基于模糊聚类优化的语义Web服务发现

合集下载

语义Web服务发现研究现状与发展_王珏

收稿日期：2012-05-11；修回日期：2012-07-16基金项目：国家“973”计划资助项目（2009CB3020402）；江苏省自然科学基金资助项目（BK2010103）作者简介：王珏（1987-），男，黑龙江哈尔滨人，助理工程师，主要研究方向为Web 服务匹配（415638921@qq．com ）；向朝参（1987-），男，博士研究生，主要研究方向为SOA 架构、无线传感网；王萌（1983-），男，助教，主要研究方向为Web 服务发现；田畅（1963-），男，教授，博导，主要研究方向为网络信息系统、无线分组网；赵文栋（1972-），男，副教授，主要研究方向为SOA 体系架构、计算机网络；代登坡（1986-），男，助理工程师，主要研究方向为Web 服务发现．语义Web 服务发现研究现状与发展*王珏1，向朝参1，王萌1，田畅1，赵文栋1，代登坡2（1．解放军理工大学通信工程学院，南京210007；2．中国人民解放军78083部队，成都610011）摘要：从不同方面对语义Web 服务发现相关技术进行综述。

阐述了语义Web 服务的基本概念和特点，总结和分析了语义服务发现的基础———语义服务描述语言，重点从单服务匹配和服务组合匹配两个方面对语义Web 服务发现的关键问题———语义Web 服务匹配近年来的研究，进行了全面的总结和讨论，并指出了语义Web 服务发现研究领域的挑战和未来的研究方向。

关键词：面向服务架构；语义Web 服务；服务发现；服务组合；服务匹配中图分类号：TP393文献标志码：A文章编号：1001-3695（2013）01-0007-06doi ：10．3969/j．issn．1001-3695．2013．01．002Survey on semantic Web services discoveryWANG Jue 1，XIANG Chao-can 1，WANG Meng 1，TIAN Chang 1，ZHAO Wen-dong 1，DAI Deng-po 2（1．Institute of Communication Engineering ，PLA University of Science ＆Technology ，Nanjing 210007，China ；2．78083PLA Troops ，Chengdu 610011，China ）Abstract ：This paper presented the state-of-the-art of semantic Web service from various aspects．First of all ，this paper ex-plained the basic concepts and character of semantic Web service．And then ，it summarized and analyzed several kinds of ser-vice description languages which were the base of service discovery．Moreover ，it comprehensively summarized and discussed service matching as the key problem of service discovery from two aspects —single service matching and service compositionmatching．In the end ，this paper proposed the challenge and the future work of the study on semantic Web service discovery．Key words ：SOA （service-oriented architecture ）；semantic Web service ；service discovery ；service composition ；servicematching0引言信息技术的发展带动了各类应用系统的不断涌现，在为用户带来更多便利的同时，也给IT 系统的设计和开发带来了新的挑战。

基于模糊的聚类算法

基于模糊的聚类算法
基于模糊的聚类算法，是一种将数据对象分组的方法，其目的是使得
同一组内的对象相似度较高，不同组之间的相似度较低。

与传统聚类
算法不同的是，基于模糊的聚类算法允许一个数据对象属于多个不同
的组别。

基于模糊的聚类算法主要有两种：Fuzzy C-Means (FCM) 和Possibilistic C-Means (PCM)。

FCM 算法是一种常用且经典的基于模糊聚类算法，它通过对每个数据点分配一个隶属度来确定其所属群体。

隶属度越高，则该数据点越可能属于该群体。

PCM 算法则是 FCM 算
法的改进版，它通过引入不确定性因素来减少分类错误率。

基于模糊的聚类算法在实际应用中具有广泛的应用价值。

例如在图像
分割、文本分类、生物信息学等领域都有着重要作用。

在图像分割中，可以使用基于模糊的聚类算法将图像中相似区域进行分割，并进行后
续处理；在文本分类中，可以使用该算法将文本进行分类，并进行相
关统计和分析；在生物信息学中，可以使用该算法将基因进行分类，
以便更好地研究其生物功能。

总之，基于模糊的聚类算法是一种非常有效的数据分析方法，可以帮
助我们对大量的数据进行分类和分析。

随着人工智能技术的不断发展，该算法在未来的应用前景也将会越来越广泛。

利用聚类优化语义Web服务发现_张景雨

2009，45（34）Web服务在Internet上的广泛应用使Web服务发现这一领域成为研究热点。

现今的工业标准UDDI和WSDL可以满足服务发现的需要，但由于它们的架构并不支持对于Web服务基于语义的搜索和匹配，UDDI和WSDL的功能有较大的局限性。

由于WSDL缺乏语义描述及UDDI不提供语义支持，注册中心返回的搜索结果不够精确，很多返回的服务并不符合用户的请求。

鉴于UDDI及WSDL不能支持语义的缺陷，研究者将语义Web技术引入Web服务，使用OWL-S对Web服务描述增加语义信息。

采用OWL-S描述Web服务，同时，为了提高服务发现效率，根据Web服务描述术语的语义相似度将Web服务聚类。

由于在Web服务发现过程中采用语义和聚类策略，UDDI 注册中心能返回更精确的结果。

1基本概念1.1面向Web服务的本体描述OWL-SOWL-S[1]是基于OWL语言的Web服务本体，其前身为DAML-S，它基于Web服务和语义Web。

OWL-S提供了一套标记语言，从而将Web服务的属性和功能以精确和机器可读的形式进行描述，这样就可以实现服务的自动发现、执行、组合、互操作及执行监控。

OWL-S主要定义了Web服务三个方面的语义，如图1所示：一个Web服务由presents，describedby和supports三个属性进行描述，服务概要（ServiceProfile）、服务模型（ServiceModel）和服务绑定（ServiceGrounding）分别为其属性取值。

这三个属性分别描述了服务可以做什么、如何进行工作和如何使用服务等信息。

ServiceProfile提供信息供服务查找代理确定服务是否符合查找要求。

ServiceProfile提供服务及服务提供者的高层描述，可以利用ServiceProfile在服务注册库中进行服务发布或服务发现。

ServiceProfile包含三个方面的信息：供人读取的服务描述信息；关于服务所提供的功能信息；关于服务的一个额外的信息。

基于过滤级的语义Web服务发现策略

Ｚ０ＮＧＦ－ｎＨｕｊｉ
（ａｕｔｏｏｕｅＳｉｃｎｅｈｏｏｙＹｂｎｉｒｔ，Ｙｉｎ４００ＣｉａＦｃｌｆｍｐｔｃｎｅｄＴｃｎｌｇ，ｉｖｓｙＣｒｅａｉＵｎｅｉｙｂ４０，ｈｎ）ｉ６
ＡｂｔａｔＳｍａｔｂａｄｗｅｅｖｃｓａｅｈｇｌｏｌｍｅｔｒ，ａｄｔｅｅｉｔｇｔｃｎｌｇｅａｅｍａｅｔｅｒｕｉｃｔｎｑｉｓｒｃ：ｅｎｉｗｅｂｓｒｉｅｒｉｈｙｃｍｐｅｎａｙｎｘｓｉｅｈｏｏｉｓｈｖｄｈｉｎｆａｉｕｔｃｎｈｎｉｏｅｆａｉｌ，ｗｈｃｏｓｕｔｅｇｎｒｔｎｌｂｓｒｉｅｈｅｎｉｂｓｒｉｅ．Ｆｒｔ，ｔｅｔｓｆｅｎｉｂｓｒｉｅｉ— ｅｓｂｅｉｈｃｎｔｃｓｎｗｅｅａｉａｒａｏｗｅｅｖｃａｉｓｍａｔｗｅｅｖｃｓｔｔｓｃｉｌｓｙｈｋｏｍａｔｗｅｅｖｃｓｄｓａＳｃｃｖｒｅｃｉｅ，ｔｅｔｔｇｆｄｓｏｅｙｂｓｄｏｌａｉｇｒｎｒｓｎｅ．Ｌｓｌ，ｔｅａｇｒｔｍｓｆｈｔｈｎｖｒｏｅｙｉｄｓｒｄｈｎａｓｒｅｙｏｉｃｖｒａｅｎｆｔｔａｋｉｐｅｅｔｄｓｂａｉｒｎｓａｔｙｈｌｏｈｅｍａｃｉｇｉｅｅｉｏｔｎｙｒｎｉｅ．Ｔｅｓｒｔｇｆｓｍａｔｂｓｒｉｅｉｃｖｒａｅｎｆｔａｉｇｒｎｄｃｓｂｉｕｌｅｓａｅｏｒｉｅｔｃｉｇａｋｉｇｖｎｓｈｔａｅｙｏｎｉｗｅｅｖｃｓｓｏｅｂｓｄｏｌｔａｋｒｕｅｖｏｓｙｔｐｃｆｅｖｃｓｅｃｄｙｉｒｎｅｏｈｓｍａｈｎ

语义Web服务发现技术研究

想，ＤＭＬ—Ｓ的基础上给ＵＤ增加了语义信息。在ＡＤＩ文献［］出了基于过程本体论的Ｗｅ务发现方２提ｂ服
法。通过匹配查询过程本体和服务过程本体来提高服务的匹配程度。ＯＷＬ—Ｓ是在ＤＭＬ—Ｓ的基础上发Ａ展起来的，望成为语义Ｗｅ务描述语言的标准。有ｂ服
语义Ｗｅｂ服务发现技术研究
李小林，张力娜，崔祥
（．１西安电子科技大学计算机学院，陕西西安７０７；．１０５２西安电子科技大学理学院，陕西西安７０７；１０５３咸阳师范学院计算机科学系，陕西咸阳７２０）．１００
服务中可能代表不同的含义。所以很难度量服务需求者和服务发布者的符合程度，致查准率不高；）导２遗漏了大量与查询关键词同意或相关的信息，导致查全率
不高。导致服务发现效率不高的主要原因是Ｗｅｂ服务
为了增加Ｗｅ务描述的语义信息，们引入了ｂ服我哲学中的本体概念。本体是共享概念模型的明确的形
式化规范说明。本体表示了共同认可且可被机器理解
Ｄ把服务请求和已发布的服务进行匹配，Ｉ把匹配结果返回给请求者，然后服务请求者就可以直接调用该服务。服务请求者采用基于关键字匹配技术查询服务，造成了查询结果查全率和查准率不高。主要原因在于基于关键字匹配的Ｗｅ务具有以下缺陷：）ｂ服１服务发布者和服务请求者对于同一事物的认识可能不同，使

基于社会网络的语义Web服务发现模型

上的多个物理节点上，再由这些节点对发布资源进行统一管理和集的访问需求就抽象为了系统中存在的若干服务语义描述的集合。中维护，从而完成了整个ｗｅｂ服务的语义发布过程。２．２语义ｗｅｂ）ｌｇ￣务发现
通过这样的匹配方式使得ｗｅｂＨ￣务匹配是在基于本体概念语义关
都做了信息资源的均匀分布，这样可以避免对集群组中的管理节点所使用的网络本身提供了健壮性保证。除此以外，社会化网络特性
的关键节点上产生过大压力。在进行普通的ｗｅｂＪ］￣务发布时，在节点可以提供整体网络的工作任务均衡机制，对节点间的虚拟组织结构
［１］ＢｉｎＬｉ，ＬｉｎｇｊｕｎＺｈａｏ，ｄｕｎｗｕＺｈｕ．ＣｈｉｎａＡＰｏｌｉｃｙ — ｂａｓｅｄＡｄａｐ —
ｔｉｖｅＷｅｂＳｅｒｖｉｃｅｓＳｅｃｕｒｉｔｙＦｒａｍｅｗｏｒｋ。ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＹａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙＹａｎｇｚｈｏｕ．Ｊｕｌｙ３０２０１１一Ａｕｇ．１
系基础上完成，这样就获得了更加快速准确的ｗｅｂ服务匹配结果。
ｗｅｂ／Ｊ￣务发现是指在服务应用者通过查找对应的语义服务并同时模型中ｗｅｂ服务是按照不同的本体语义发布到不同语义服务
在服务注册中心获取到服务的发布信息的过程。在进行服务发现的群中的，不仅使模型中ｗｅｂ￣ｌ｛务查找更容易，也提高了服务的查询

一种改进的语义Web服务发现方法

所谓Ｗｅｂ服务发现，就是客户以某种方式在这些不同
能性属性进行服务筛选也是一个重要的方面。鉴于以上原
类型的ｗｅｂ服务中找到其想要的服务，以执行Ｗｅｂ服务请
求。Ｗｅｂ服务发现是Ｗｅｂ服务系统架构中的一个重要组成
摘要：目前Ｗｅｂ服务架构中用于Ｗｅｂ服务发现的ＵＤ（一描述、现和集成）术主要是基于关键词查找，于ＤＩ统发技由
关键词查找的自身缺陷，ＤＩ术不支持概念间的推理．给用户的服务查找带来不便。ＵＤ技这因此作者在分析基于ＵＤＤＩ的Ｗｅｂ服务发现机制及其缺陷的基础上，重研究了基于语义的ｗｅ着ｂ服务发现系统的体系结构．过引入ｗｅ通ｈ服
务质量本体．出一种改进的语义Ｗｅ提ｂ服务发现方法
关键词：义匹配；服务发现；本体；ＵＤＤ语Ｉ
中图分类号：Ｐ９Ｔ３３
文献标识码：Ａ
文章编号：１７ — ２６２１）７０５－３６４６３（０００— ０１０
ＡｎｉｐｏｅｅｈｄｏｅａｉｅｅｖｃｓｏｅｙｍｒｖｄｍｔｏｎｓｍｎｔｃＷｂｓｒｉｅｄｉｃｖｒ
ＷＥｕｎ１１ａ．Ｊｉ

模糊聚类的概念

模糊聚类的概念模糊聚类是一种基于模糊理论的聚类分析方法，它用于将具有相似特征的对象分成若干个不相交的类别，并且允许某个对象同时属于多个类别。

相比于传统的硬聚类方法，模糊聚类更能够灵活地处理数据的不确定性和模糊性。

模糊聚类的核心思想是通过计算每个数据点与聚类中心的相似度来决定其属于某个类别的程度。

相似度通常通过某种距离度量来衡量，常用的度量方法包括欧氏距离、曼哈顿距离和余弦相似度等。

通过不断迭代调整聚类中心，使得每个数据点与聚类中心的相似度不断增加，从而找到最优的聚类划分。

与传统的硬聚类方法相比，模糊聚类有以下几个优势。

首先，模糊聚类能够给出每个数据点属于每个类别的程度，而不仅仅是给出一个确定的类别。

这样的结果更符合实际情况，因为有些数据点可能具有多个属性，属于多个类别，而传统的硬聚类无法处理这种情况。

其次，模糊聚类能够更好地处理数据的噪声和不确定性。

对于存在噪声的数据，传统的硬聚类可能会将其归为一个错误的类别，而模糊聚类可以通过计算相似度的程度来减小这种错误的影响。

最后，模糊聚类能够自动确定聚类个数。

传统的硬聚类需要事先确定聚类个数，而模糊聚类能够根据数据的特性自动调整聚类中心的个数。

模糊聚类的算法主要分为以下几个步骤。

首先，选择合适的距离度量方法和定义模糊相似度的方法。

常用的距离度量方法有欧氏距离和曼哈顿距离，而模糊相似度的定义方法有模糊C均值和模糊谱聚类等。

其次，初始化聚类中心。

可以随机选择一些数据点作为初始聚类中心，或者按照某种规则选择一些样本作为初始聚类中心。

然后，计算每个数据点与聚类中心的相似度，并根据相似度重新调整每个数据点的隶属度。

随后，根据新的隶属度计算新的聚类中心，并判断是否满足停止准则。

如果满足停止准则，则停止迭代，算法结束；否则，返回第三步继续迭代。

迭代的停止准则通常是根据聚类中心的变化情况来确定的。

模糊聚类的应用非常广泛。

例如，模糊聚类可以用于图像分割，将图像中相似的像素分到同一个类别中，从而实现图像的分割和识别。

基于Qos的语义Web服务发现研究

２１００年５月第ｌ６卷第２期
安庆师范学院学报（自然科学版）
ＪｕｎｌｆｎｉｅｃｅｓｃＩｇ（ａｕａＳｉｃｄｔｎｏｒａｑｇＴａｈｒｏＩｅＮｔｒＩｃｎｅＥｉ）ｏＡｎｅｅｉｏ
Ｍａｙ２１．００Ｖ．６Ｎ２ｏＩ１ｏ．
度。本文在ｗｅ务的语义化描述的基础上，合Ｑｏ标准，出一种新的Ｗｅｂ服结ｓ提ｂ服务发现模型，过实例说明该模型能通
为用户提供最佳服务，在一定程度上满足用户的个性化需求。且
服务请求者（ｅｖｃｅｕｓｅ）和服务代理Ｓｒｉｒｑｅｔｒｅ（ｅｖｃｒｋｒ［。服务提供者向服务代理发Ｓｒｉｂｏｅ）１ｅ３布其能够提供的服务，当服务请求者发出服务请求时，务代理负责寻找对应的服务并提供给服务请求。服
关键词：Ｗｅｂ服务；义；ｏ；语Ｑｓ个性化需求
中国分类号：ＴＰ９３３
文献标识码：Ａ
文章编号：１０ — ４６（０００ —０５ — ００７２０２１）２０６３
１相关知识
Ｗｅｂ服务。目前对Ｗｅｂ服务比较统一的定
第２期
方芳，春明：于Ｑｏ的语义Ｗｅ叶基ｓｂ服务发现研究
・５・７
质量的好坏口。Ｗｅ］ｂ服务的Ｑｏ主要包括：效性（ａｌｂｌｙ、读性（ｃｅｓｉｔ）完整性（ｎｓ有Ａｖｉｉｔ）可ａｉＡｃｓｉｌｙ、ｂｉＩ— ｔｇｉ）性能（ｅｆｒｎｅ、ｅｒｙ、ｔＰｒｍａｃ）可靠性（ｌｂｌｙ、ｏＲｅｉｉｔ）可调性（ｅｕａｏｙ和安全性（ｅｕｉ）ａｉＲｇｌｔｒ）Ｓｃｒｙ。ｔ

基于文本聚类和概念相似度的语义Web服务发现

ｗｅｂ服务是一种面向服务架构的技术，通过标准的Ｗｅｂ的发现效率。
协议提供服务，保证了异构平台上应用程序之间的互操作。
通过对注册库中的服务进行聚类处理，避免请求服务和
随着Ｗｅｂ服务的快速发展，如何准确而又高效地寻找到满足无关服务进行匹配，可以有效地降低服务搜索空间，ｅｒｖｉｃｅＤｉｓｃｏｖｅｒｙＢａｓｅｄｏｎＴｅｘｔＣｌｕｓｔｅｒｉｎｇａｎｄＳｉｍｉｌａｒｉｔｙｏｆＣｏｎｃｅｐｔｓＬＩＵＹ￣ｓｏｎｇＹＡＮＧＹｕ－ｃｈｅｎｇ
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，ＺｈｅＮｉａｎｇ２１２０１３，Ｃｈｉｎａ）
度的提高。文献［１］通过构建Ｗｅｂ服务本体，提出了一种基进行处理，然后按照功能相似进行聚类得到候选服务集。文
于词汇语义的Ｗｅｂ服务相似度度量方法，服务发现效果较基献［８］利用领域本体及其形式化概念，并基于最小生成树算法
摘要语义Ｗｅｂ服务在进行服务发现时，需要按顺序依次匹配注册库中的服务，这将大量时间浪费在不相干的服务上，从而造成服务发现效率低下。针对该问题，提出了一种新的基于文本聚类和概念相似度的语义Ｗｅｂ服务发现方法。该方法主要分为两个阶段，第一阶段根据服务源文件中的描述性文本信息将类别一致的服务聚类到一起，在此过程中利用了向量空间模型对文本进行表示和处理，并在前人的基础上提出了一种多重混合聚类算法ＭＨＣ；第二阶段进行服务间的功能属性匹配，结合本体概念层次树中有向边的深度、强度以及概念的继承度等因素计算概念间的语义相似度。最后，实验结果表明，提出的方法在兼顾匹配准确率的基础上，大大提高了匹配效率。关键词语义Ｗｅｂ服务，服务发现，文本聚类，本体，语义相似度中图法分类号ＴＰ３９３文献标识码Ａ

一种基于情境的语义Web服务发现方法

（ｏｅｅｏｏｐｔｃｎｅＳａｎｉｏｍｌｎｖｒｔＸ ’ｎ７０６，ｈａｘ，ｈｎ）ＣｌｇＣｍｕｅＳｉｃ，ｈａｘＮｒａｉｓｙ，ｉａ１０２ＳａｎｉＣｉａｌｆｒｅＵｅｉ
ＡｂｔａｃｓｒｔＩｒａｉｅｃｍｐｔｎｇｅｖｒｎｅ，ｏｔｏｉｅｔｅｃｎｅｔｉｆｒａｉｎｔｉｃｅｈｅｖｃｓｓｔｓｙｎｓｒｒｑｕｒ — ｎｐｅｓｖｏｕｉｎｉｏｍｎｔｈｗｏｃｍｂｎｈｏｔｘｎｏｍｔｏｏｄｓｏｖｒｔｅｓｒｉｅａｉｆｉｇｕｅｓ’ ｅｉｅｖ
侯丽娟李蜀瑜
（西师范大学计算机科学学 ቤተ መጻሕፍቲ ባይዱ 陕陕西西安７０６）１０２
摘要
在普适计算环境下，如何结合情境信息以发现满足用户需求的服务，目前Ｗｅ是ｂ服务研究的一个关键问题。提出一种
基于情境的Ｗｅｂ服务发现框架，采用本体进行情境建模，用用户反馈信息进行权重计算，利并给出了一个基于相似度的语义Ｗｅｂ服
和人工智能领域则译为“ 体 ” 本。施图德等在格鲁伯和波尔斯
０引言
随着Ｉｔｎｔ无线通信网络、入式系统和传感器等技术ｎｅｅ、ｒ嵌的快速发展与广泛应用，传统的计算模式和计算机软件正在发生重大的变革。普适计算（ｅｖｓｅＵｉｕｔｓｏｐｔｇ是在Ｐｒａｉ／ｂｑｉｕｍｕｉ）ｖｏＣｎ分布式计算、通信网络，移动计、算嵌入式系统、传感器等技术基础上发展起来的一种超越桌面计算的全新计算模式。它体现了

基于语义规则的分阶段语义Web服务发现方法

田浩一，樊红
（．武汉大学测绘遥感信息工程国家重点实验室，湖北武汉４０７；１３０９
２．湖北经济学院电子工程系，湖北武汉４００）３２５
摘要：为解决现有语义Ｗｅ服务发现方法发现效率较低的问题，针对服务发现过程中服务描述不对称的特点，在现有研ｂ究基础上，提出了一种基于语义规则的分阶段语义Ｗｅ服务发现方法。该方法使用语义规则来刻画服务请求描述，对服务ｂ发布本体进行了扩展，并通过分阶段服务发现，实现了服务匹配范围的准确界定，提高了服务发现的效率，保证了服务发
ＡｂｔａｔＴｏｓｌｅｔｅｐｏｌｍｆｌｗｆｉｉｎｙｉｕｒｎｔｏｓｏｅｎｉｅｅｖｃｉｃｖｒｓｒｃ：ｏｖｈｒｂｅｏｏｅｆｅｃｎｃｒｅｔｍｅｈｄｆｓｍａｔＷｂｓｒｉｅｄｓｏｅｙ，ａｓｍａｔｅｅｖｃｃｃｅｎｉＷｂｓｒｉｅｃｄｓｏｅｙｗｉｈｍｕｔｈｓａｅｎｓｍａｔｕｅｓｐｏｉｅｉｃｖｒｔｌｂｐａｅｂｓｄｏｅｎｉｒｌｓｉｒｖｄｄ，ｗｈｃｉｔｔｅａｙｃｉｈａｍｓａｈｓｍｍｅｒｃｌｅｔｒｆｓｒｉｅｄｓｒｐｉｎｉｔｉａａｕｅｏｅｖｃｅｃｉｔｎｆｏ

基于分层聚类的Web服务发现的模型

基于分层聚类的Web服务发现的模型摘要:传统的Web服务只提供了按照简单分类和关键字查询的服务发现方法,造成查准率和查全率低,随后出现带有语义的Web服务,它只关注服务功能性的匹配,缺乏用户参与的服务发现方法,难以保证服务发现的查全性。

本文分析了现有的相关的一些研究,在Web服务模型的基础上,提出添加标签的思想,对基本描述、语义等方面进行分层聚类挖掘,并对服务表示进行深入研究,引入空服务概念,用相似函数来度量Web服务相似程度,为Web服务发现提供了一种有效的方法。

关键词:Web服务语义发现标签分层聚类1 引言互联网正在由“以数据为中心”向“以服务为中心”转变。

随着服务数量的不断增加,一方面,越来越多孤立的服务被部署到互联网上,另一方面,客户很难找到适合自己的可靠地服务。

如果不能发现服务,那么服务将毫无用处。

如何快速、准确找到满足用户的Web服务成为实现面向服务计算的关键问题。

现有的Web服务发现方法主要基于语法和语义的服务发现机制的研究,基于语法的服务发现主要是从语法层上对服务的描述信息进行相似度的计算,例如UDDI框架。

基于语义的服务发现借鉴了语义Web的一些技术,通过利用领域本体中的概念和属性来对服务属性进行描述或者利用逻辑推理机来进行语义层次上的匹配等[7]。

本研究采用标签对Web服务进行分类,标签分类法无层级关系限制,并且能够反映用户的切实需求,开放式的分类法,使用方便,用户参与度大大提高;采用分层聚类法,考虑了服务的多方面因素,使得服务匹配时考虑的因素更多元,服务发现的结果更能满足用户实际想要得到的结果。

2 基本概念2.1 标签描述的服务描述模型标签,是一种扁平结构的分类方法,是所有用户都可以参与的信息描述方式[16]。

为了尽可能保持标签的质量,应该遵守基本的规则,添加的标签应该保持单一,也不会引起概念混淆。

引入空服务的概念,空服务中只包含服务的标签,如图1,Ws1.1,Ws1.2,Ws1.3,Ws2.1是含有标签的空服务,通过聚类算法将标签分类,然后利用空服务表示聚类簇。

基于QoS和模糊粒子群优化的语义Web服务发现

ｔａｎａｔｌｓａｆｃｅｙｍｕｔｐｒｃｅｎｎｒｍｅｔｉｅｔａｔｒｗｓｄｓｇｅ．Ａａｔｈｘｅｉｎａｅｕｓｈｔｏｅｐｒｉｅｗａｆｔｄｂｌ — ａｉｌｓａｄｉｃｅｎｎｒｉｆｃｏａｅｉｎｄｃｅｉｔａｔｌｓ，ｔｅｅｐｒｍｅｔｌｒｓｈｈｖｈｗｎｔｅｅｆｃｉｅｅｓｏｅｐｏｏｅｔｏ．ａｅｓｏｈｆｔｎｓｆｈｒｐｓｄｍｅｈｄｅｖｔ
义Ｗｅｂ服务发现方法。根据服务发现问题定义了粒子的位置和速度，引入了模糊理论和增量惯性因子，较好地解决了粒子群算法的未成熟收敛问题，高了基于粒子群算法的语义Ｗｅ服务发现方法的查准率。实验验证了该方法的提ｂ
有效性。
关键词：ｂ服务发现；ｂ务质量；子群优化；糊；量惯性因子ＷｅＷｅ服粒模增
ＬＩＳｕ．ｕｈｙ（ｃｏｌｆＣｍｕｅｃｎｅｈａｘｏｍａｎｖｓｙＸ＇ｈａｘ１０２ｈｎ）ＳｈｏｏｏｐｔＳｉｃ，ＳａｎｉｒｌＵｉｒｔ，ｉｎＳａｎｉ０６，ＣｉａｒｅＮｅｉａ７
ＡｓａｔａｋｎｆｃｖｕｌｙｏＳｒｉＱＳｕｐ￣ｉｂｓｒｃｓｄｃｖｒ，ａｎｗｓｍｎｉＷｅｅｖｅｂｔｃ：ＬｃｉｇｅｅｔｅＱａｉｆｅｖｅ（ｏ）ｓｐｏｎＷｅｅｖｅｉｏｅｙｅｅａｔｂｓｒｉｒｆｉｔｃｉｓｃｃｄｓｏｅｐｒａｈｓｐｏｉｏａｅｎｆｚｙＰｒｃｅｗｒｐｉｉｔｎ（Ｓ）ｗｓｒｐｓｄｉｔ，ｉｏｄｒｏｍｅｔｉｖｒａｐｏｃｕｐｄｎＱＳｂｓｄｏｚａｉａｍＯｔｚｉＰＯａｐｏｏｅ．ＦｒｌｎｒｅｅｃｙｇｕｔｌＳｍａｏｓｙｔ

模糊聚类算法的原理与应用

模糊聚类算法的原理与应用随着互联网技术迅速发展，数据呈爆炸式增长，如何从这样庞大的数据集中找出有用的信息成为了人们面临的一个重要问题，其中之一就是聚类问题。

聚类是将数据集划分为多个组或簇的过程，使得在同一组内的数据对象彼此相似度较高，不同组内的数据对象彼此相似度较低。

为了解决这个问题，很多聚类算法被提出，其中模糊聚类算法因其在实际中的适用性和效果而备受关注。

模糊聚类算法是一种基于概率和模糊逻辑的聚类技术，它不同于传统的硬聚类算法，如K-means算法，它将数据集划分为多个簇，每个数据点只属于一个簇。

模糊聚类算法相对更加灵活，它可以将数据点归属于多个簇，每个数据点到各个簇中心的距离都有一个权重值，用来表示该数据点属于该簇的程度。

模糊聚类算法的核心是模糊集合理论。

在模糊集合中，每个元素都有一个归属度，即它属于集合的程度。

这里集合指的是一个簇。

当元素属于多个簇时，每个簇的归属度都会受到影响。

通过对数据点与簇中心之间的距离进行数学建模，模糊聚类算法将相近的数据点聚集在一起生成具有模糊性质的聚类模型。

从算法步骤来看，模糊聚类算法的基本流程包括初始化隶属度矩阵、计算质心、更新隶属度矩阵和判断终止条件。

在初始化隶属度矩阵时，将数据点对于每个簇的隶属度赋值为一个随机数，保证初始簇的分布不是唯一的。

计算质心时分别计算每个簇中所有数据点的加权平均值，用来作为下一轮迭代的簇中心。

在更新隶属度矩阵时，更新每个数据点对于每个簇的隶属度，直到每个数据点的隶属度趋于稳定或满足预定的终止条件为止。

模糊聚类算法在实际应用中有着广泛的应用。

例如，在图像分割中，模糊聚类算法可以用来将相似的像素点聚集成一个区域，实现图像的分割。

在金融风险评估中，模糊聚类算法可以用来将客户归为不同的风险等级，方便银行分析客户风险。

在推荐系统中，模糊聚类算法可以将用户聚类为不同的群组，从而提高推荐准确度。

总之，模糊聚类算法是一种灵活而高效的聚类技术，它具有很广泛的应用前景。

CBSD:一种基于Chord的模糊服务发现方法

CBSD：一种基于Chord的模糊服务发现方法
赵文栋;田畅;彭来献
【期刊名称】《计算机科学》
【年(卷),期】2014(041)001
【摘要】针对基于DHT的结构化服务发现方法不支持模糊查找的问题,采用服务聚类技术与结构化服务发现技术相结合的方式,提出了一种基于Bloom filter聚类优化的结构化Web服务发现方法.该方法利用Bloom filter实现服务语义映射并通过服务训练队列实现服务描述聚类特征向量的提取,利用相关性计算实现服务描述的预分类,利用Chord算法实现服务的发布/发现,无需冗余发布,既可保证服务语义相近的服务发布到相同的节点上,又可有效地支持服务的模糊查找,并在此基础之上提出了一种基于Bloom filter的分布式服务组合算法.最后,通过仿真验证了所提方法的可行性.
【总页数】6页(P172-177)
【作者】赵文栋;田畅;彭来献
【作者单位】解放军理工大学通信工程学院南京210007;解放军理工大学通信工程学院南京210007;解放军理工大学通信工程学院南京210007
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于Chord和语义映射的Web服务发现 [J], 项泰;孙尚;孙启美
2.基于Chord的带有QoS的语义Web服务发现方法研究 [J], 张莹;黄厚宽;杨冬;张宏科
3.基于Chord和超结点CORBA服务发现研究 [J], 米洪;郑莹;张鸰
4.基于Equalchord语义Web服务发现模型 [J], 王占丰;冯径;舒晓村;翁年凤
5.基于Chord的语义Web服务发现与合成的研究 [J], 赵红梅;夏阳;赵强;李琦因版权原因，仅展示原文概要，查看原文内容请购买。