基于贝叶斯方法的web服务分类的研究

基于贝叶斯方法的web服务分类的研究

ID:37545350

大小:2.06 MB

页数:60页

时间:2019-05-25

基于贝叶斯方法的web服务分类的研究_第1页
基于贝叶斯方法的web服务分类的研究_第2页
基于贝叶斯方法的web服务分类的研究_第3页
基于贝叶斯方法的web服务分类的研究_第4页
基于贝叶斯方法的web服务分类的研究_第5页
资源描述:

《基于贝叶斯方法的web服务分类的研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、基于贝叶斯方法的Web服务分类的研究摘要随着互联网的发展,当前出现的Web标准如WSDL,SOAP,UDDI,DAML,S,使得Internet成为一个异构的、具有互操作性的Web服务的海洋,从而使应用程序的开发过程简化为发现Web服务和集成Web服务的过程。Web服务是基于XML的可被远程调用的网络组件,自动调用和集成Web服务的关键在于将机器可理解的语义元数据与Web服务关联起来。因为Web服务的描述缺乏足够的语义信息,Web服务发现具有不确定性,为了能够根据用户提供的信息更加准确地描述并执行Web服务,必须考虑更加丰富的语义和上下文信息。贝叶斯技术和贝叶斯网

2、络是从传统的统计学中分离出来的,对不确定性问题进行处理的一个有力工具,它以完善的贝叶斯理论为基础,有较强的模型表示、学习和推理能力。本论文就是探索采用贝叶斯方法对Web服务自动生成语义元数据,来对Web服务进行分类以提高Web服务检索的效率。本论文中基于贝叶斯技术的Web服务分类算法的主要思想是通过引入贝叶斯潜在语义模型,首先将含有潜在类别主题变量的WSDL文档分配到相应的类主题中:接着利用朴素贝叶斯模型,结合前一阶段的知识,完成对未含类主题变量的文档作标注。本算法不需要对大量训练样本的类别标注,只需提供相应的类主题变量,从而提高了WSDL文档分类的自动性和效率。

3、实验结果表明,本算法具有较高的分类正确率。关键词:Web服务,贝叶斯网络,朴素贝叶斯分类器,潜在语义分析,贝叶斯潜在语义模型,语义Web服务TheResearchofWebServicesClassifieationBasedonBayesianTechnologyAbstractEmergingWebstandardssuchasWSDL,SOAP,UDDIandDAML—SpromiseanetworkofheterogeneousyetinteroperableWebServices.WebServiceswouldgreatlysimplifythedev

4、elopmentofmanykindsofdataintegrationandknowledgemanagementapplications.WebServicesarenetworkedcomponentsthatcanbeinvokedremotelyusingstandardXML-basedprotocols.ThekeytoautomaticallyinvokingandcomposingWebServicesistoassociatemachine—understandabIesemanticmetadatawitheachservice.Acentr

5、alchallengetotheWebServicesinitiativesisthereforetoconstructtoolsto(semi一)automaticallygeneratethenecessarymetadata.BayesiantechnologyandBayesiannetworkshavebeensuccessfullyusedtoprocessartificialintelligenceproblemsandtodiscoverknowledgeindatabasesdomain.Weexploredthespecificmachinel

6、earningtechnique,i.e.Bayesiantechniqueinthispaper,inthehopeofautomaticallycreatingsuchkindofmetadatafromtrainingdata.WeassignedWSDLdocumentstodifferentcategoriesusingBayesianLatentSemanticmodel.WiththeframeofBLSM,oursystemclassifiedWSDLdocumentsonlybyafewoflatentclassvariablesandnolab

7、eleddata.TwostepswereincludedthefirststepwastolabelthosedocumentscontaininglatentclassvariablesbyBLSA;thesecondstepwastolabeltherestbyNaYveBayesianmodelwithEMalgorithm.Ithasachievedgoodprecisionandprovedtobeveryeffectiveandefficientinourexperimentalsystem.Keywords:WebServices,Bayesian

8、Netwo

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。