论文部分内容阅读
近年来,面向服务架构SOA被越来越多的企业应用。Web服务是实现SOA最合适的技术。但随着Web服务的增多,服务注册库越来越庞大,因此如何在海量Web服务中高效而精确的发现满足用户需求的服务越来越困难。以前研究的Web服务匹配机制大多是基于关键字的语法级匹配,由于缺乏语义层面的信息,使得人机交互显得很不协调,同时在服务发现查全率、查准率方面也不是很令人满意。而语义Web的目的就是扩展当前的Web,使得网络中所有资源描述具有丰富的语义信息,这是计算机能够进行识别和处理的。因此,基于语义的Web服务发现逐渐成为了当前的研究热点。针对目前Web服务发现效率低下与准确率不高的问题,本文提出了一种基于模糊聚类与关联规则预测的语义Web服务发现方法。首先,采用改进的模糊C均值聚类算法,对服务注册中心的服务进行模糊聚类预处理。借助领域本体模块化的思想,将服务注册中心有一定相似度的Web服务进行模糊聚类组织。在服务发现时,计算服务请求描述与服务聚类的相似度,过滤掉不相关服务,以减少服务查找时间,提高服务发现效率;同时为了提高服务发现的准确率,在模糊聚类时,将服务的四个功能性参数全部作为聚类参数进行聚类预处理。其次,将数据挖掘领域中的关联规则挖掘技术应用于语义Web服务发现,从已有的用户请求服务的日志记录中挖掘服务间的潜在关系,预测用户将要请求的服务,推荐给用户,从而减少用户发现服务的时间,提高了服务发现效率。此外,为了提高挖掘出的关联规则的准确性,在挖掘前对服务日志进行了基于用户情境信息的聚类预处理,这能够提高服务预测发现的准确率。最后,在上述研究的基础上,本文设计并实现了一个基于模糊聚类与预测的语义Web服务发现模型,分别从教育、医疗、食品、旅游、通信、经济和军事七个领域收集了一千条服务作为测试对象,在此发现模型上验证了本文提出方法的可行性及有效性。