Web服务语义相似性度量方法研究

《Web服务语义相似性度量方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨T程大学硕十学位论文摘要面向服务计算已经成为一种新的计算范型，尤其是服务组装成为一种重要的软件开发方式。语义网络是未来网络的一个核心技术，它可以表达更加复杂的概念及其之间的相互关系。Web也从信息共享平台转化为服务集成的平台。现在，Web服务大量分散地存储在互联网上，服务组装通过组合网络上各种Web服务所提供的各种各样的功能得到所需的服务。服务搜索就是为了在网络中发现所需要的可用的好的Web服务，以便进行进一步的服务组装。而Web服务的相似性度量方法是服务搜索的一个重要的关键技术。本文首先对现有的W

2、eb服务语义相似性的不同的计算方法进行了分析，给出了它们的优缺点。然后基于距离模型和信息量模型，提出了一个Web服务语义分类描述模型(SCDM4WS)，扩展了Web服务描述中的语义信息，为Web服务的语义相似性度量提供了语义基础。并给了语义区分精度的定义。其次，在SCDM4WS模型基础之上提出了一种增强语义区分精度的Web服务语义相似性度量方法SSMMWS。该方法综合地考虑了距离、深度和密度等影响语义相似性的因素：克服了距离模型中不能区分具有不同密度的兄弟节点的问题，克服了信息量模型中不能区分具有不同深度

3、的节点的问题，克服了融合两种模型的方法中对文本集统计时花费大量时间和存储空问的问题。另外，又将Tag技术引入到服务语义相似性的计算中，提出了一种基于Tag的度量W曲服务之间相似性的计算方法SSMMWST。该方法利用Tag标注来计算Web服务之间的语义相似度，进一步提高了Web服务语义相似性的计算精度。最后，设计和实现实验，验证了上述提出方法的正确性和可行性。采用德国人工智能研究中心提供的数据集进行实验，将本文所提出的方法与Roy方法、Resnik方法、Cosine(Cos)方法、ExtendedJacca

4、rd(EJ)方法以及实验数据集所提供的标准答案进行了实验对比分析和讨论。实验结果验证了本文所提出的方法的可行性和效率。关健词：Web服务；语义相似性；度量方法；服务搜索哈尔滨下程大学硕十学位论文AbstractServiceorientedcomputinghasbeenanewcomputingparadigm，servicecompositionbecomesanimportantsoftwaredevelopmentmethod．SemanticWbbisoneofthecoretechnologi

5、esinfuturenetworks，itpresentsmorecomplexconcepBandrelations．Webhasbeentranslatedfromaplatformofinformationsharingtoserviceintegrationplatform．Now,既6servicesarearchivingdispersedlyaroundtheinternet．nlevariouscomplexservicerequisiteCanbemetbyservicecomposit

6、ion，thatiStosay,bycombiningallkindsofsimplewebservicesfromweb．ServicediscoveryiStofindausablerequisiteW．ebservicefromwebforServicecompositions．Oneimportantandcriticaltechnologyinservicediscoveryisthesimilaritymeasurementmethodforwebservice．Tllisthesisanal

7、yzesthedifferentcomputationalmethodsofexistingW

8、ebservicesemanticsimilarityandtheadvantagesanddisadvantagesofthem．Basedonthedistancemodelandinformationcontentmodel．thisthesisputsforwardasemanticcategorydescriptionmodelforWebservice(SCDM4WS)andextendsthese

9、manticinformationintheWebservicesdescription．whichbuildsemanticfoundmionforsimilari哆measurementofWebservice．Furthermore，itgivesadefinitionoftheconceptofthesemanticdistinguishaccuracy．Secondly,basedonSCDM4WSmodel，thi