本文選題：語義Web　切入點：服務(wù)簇　出處：《廣東工業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：Web服務(wù)是一個松耦合的、平臺獨立的、自包含的、可調(diào)用的Web應(yīng)用程序,是實現(xiàn)面向服務(wù)計算的關(guān)鍵技術(shù)。由于對異構(gòu)環(huán)境的良好支持、開放性和跨平臺等特點,使得Web服務(wù)在許多行業(yè)中受到了廣泛的應(yīng)用。隨著SOA的快速發(fā)展,在網(wǎng)絡(luò)中發(fā)布的Web服務(wù)數(shù)量急劇增加,因此如何快速而精準的從大量的Web服務(wù)中找出滿足用戶需求的Web服務(wù)是當前急需解決的問題。利用聚類技術(shù)把功能相似的Web服務(wù)聚合成類,能有效的減少服務(wù)檢索空間,提高服務(wù)發(fā)現(xiàn)效率。當前有許多文獻分析了基于聚類的Web服務(wù)發(fā)現(xiàn),但大部分的研究只注重聚類算法的分析,很少給出具體的服務(wù)發(fā)現(xiàn)方法,而且也沒有充分利用聚類后的服務(wù)簇中Web服務(wù)功能高度相似的特點。論文利用聚類的思想,將功能相似的Web服務(wù)聚合成服務(wù)簇,并在服務(wù)簇的基礎(chǔ)上,提出了一種利用匹配關(guān)系圖的服務(wù)發(fā)現(xiàn)方法。研究了基于本體的概念相似度計算方法,由于當前概念相似度計算存在多樣化和片面性,本文引入了一種綜合語義概念相似度算法,較全面地考慮了影響本體概念相似度計算的相關(guān)因素,在此基礎(chǔ)上,從Web服務(wù)基本描述信息和輸入輸出參數(shù)兩個方面來計算Web服務(wù)功能屬性相似度,并以功能屬性相似度作為特征項,利用AGENS算法對Web服務(wù)進行層次聚類,生成服務(wù)簇。同時,分析了傳統(tǒng)基于服務(wù)簇的Web服務(wù)發(fā)現(xiàn)方法存在的不足,并在服務(wù)簇的基礎(chǔ)上,提出了利用匹配關(guān)系圖的服務(wù)發(fā)現(xiàn)方法,該方法利用Web服務(wù)功能屬性匹配條件定義了服務(wù)簇中Web服務(wù)的匹配關(guān)系；論證了匹配關(guān)系的傳遞特性；構(gòu)建了匹配關(guān)系的圖形化模型,即生成服務(wù)簇的匹配關(guān)系圖；形式化定義了基于匹配關(guān)系圖的服務(wù)簇模型,并給出了RGSD方法的具體過程。當服務(wù)請求定位到具體的服務(wù)簇時,利用RGSD方法,能同時發(fā)現(xiàn)多個滿足需求的Web服務(wù),減少了服務(wù)請求與Web服務(wù)的比較次數(shù)。通過仿真實驗,從時間效率與查準率兩個維度,證明了本文提出方法相比于傳統(tǒng)基于服務(wù)簇的Web服務(wù)發(fā)現(xiàn)方法,在保持了較高的查準率的同時,提高了服務(wù)發(fā)現(xiàn)效率。
[Abstract]:Web service is a loosely coupled, platform-independent, self-contained, callable Web application, which is the key technology to realize service-oriented computing. Web services have been widely used in many industries. With the rapid development of SOA, the number of Web services published in the network has increased dramatically. Therefore, how to quickly and accurately find out the Web services from a large number of Web services to meet the needs of users is an urgent problem. Using clustering technology to aggregate similar Web services into classes can effectively reduce the retrieval space of services. Improving the efficiency of service discovery. At present, many literatures have analyzed the Web service discovery based on clustering, but most of the researches only focus on the analysis of clustering algorithm, and few specific service discovery methods are given. Moreover, we do not make full use of the highly similar features of Web services in the clustered service clusters. In this paper, the Web services with similar functions are aggregated into service clusters by using the idea of clustering, and on the basis of the service clusters, In this paper, a service discovery method based on matching relation graph is proposed, and the ontology based concept similarity calculation method is studied. Because of the diversity and one-sidedness of the present concept similarity calculation, In this paper, a comprehensive semantic concept similarity algorithm is introduced, and the relative factors affecting ontology concept similarity calculation are considered comprehensively. The similarity of functional attributes of Web services is calculated from two aspects of basic description information and input and output parameters of Web services. The similarity of functional attributes is taken as feature items, and AGENS algorithm is used to cluster Web services hierarchically to generate service clusters. This paper analyzes the shortcomings of traditional Web service discovery methods based on service cluster, and proposes a service discovery method based on matching relation graph. In this method, the matching relation of Web services in the service cluster is defined by using the Web service functional attribute matching condition, the transfer characteristic of the matching relationship is demonstrated, the graphical model of the matching relation is constructed, that is, the matching relation graph of the service cluster is generated. This paper formally defines the service cluster model based on matching relation graph, and gives the concrete process of RGSD method. When the service request is located in the specific service cluster, the RGSD method can be used to find multiple Web services that meet the requirements simultaneously. The comparison between service request and Web service is reduced. Through the simulation experiment, from two dimensions of time efficiency and precision, it is proved that the method proposed in this paper is compared with the traditional Web service discovery method based on service cluster. At the same time, the efficiency of service discovery is improved.
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.09

【相似文獻】

相關(guān)期刊論文 前10條

1 李偉;;中文語句相似度計算的方法初探[J];蘭州工業(yè)高等�？茖W(xué)校學(xué)報;2009年04期

2 蘭美輝;任友俊;徐堅;高煒;;k-部排序本體相似度計算[J];計算機應(yīng)用;2012年04期

3 詹志建;梁麗娜;楊小平;;基于百度百科的詞語相似度計算[J];計算機科學(xué);2013年06期

4 田芳;;基于詞語情感傾向的問句相似度計算[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2014年02期

5 李鋒,周凱波,馮珊;基于統(tǒng)計特征的屬性相似度計算模型[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年06期

6 李仲生;王家琴;;基于本體的上層概念間相似度計算的研究[J];科學(xué)技術(shù)與工程;2007年10期

7 智慧來;智東杰;劉宗田;;基于概念格的概念相似度計算[J];計算機科學(xué);2008年09期

8 賈宗福;王知非;;中文句子相似度計算的研究[J];科技信息;2009年11期

9 袁正午;李玉森;張雪英;;基于屬性的文本相似度計算算法改進[J];計算機工程;2009年17期

10 鄧林;李斌;鄭南;;基于本體相似度計算的研究[J];電腦知識與技術(shù);2010年13期

相關(guān)會議論文 前10條

1 劉磊;張桂平;蔡東風(fēng);季鐸;;基于語義預(yù)測的雙語術(shù)語相似度計算[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

2 郭麗;蔡東風(fēng);季鐸;白宇;;統(tǒng)計與語義相融合的詞語相似度計算[A];第四屆全國學(xué)生計算語言學(xué)研討會會議論文集[C];2008年

3 吳志雄;;不精確數(shù)據(jù)的相似度計算[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會議論文集[C];2008年

4 王凱;李紹穩(wěn);張友華;劉超;;缺值背景中的粗糙形式概念相似度計算理論與方法[A];中國農(nóng)業(yè)工程學(xué)會電氣信息與自動化專業(yè)委員會、中國電機工程學(xué)會農(nóng)村電氣化分會科技與教育專委會2010年學(xué)術(shù)年會論文摘要[C];2010年

5 陳立;宋自林;鄭世明;張英;;基于本體的概念相似度計算研究[A];江蘇省系統(tǒng)工程學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

6 車萬翔;劉挺;秦兵;李生;;面向雙語句對檢索的漢語句子相似度計算[A];語言計算與基于內(nèi)容的文本處理——全國第七屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議論文集[C];2003年

7 郭文宏;范學(xué)峰;;基于語義詞典和本體知識的概念相似度計算[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

8 宋彥;張桂平;蔡東風(fēng);;基于N-gram的句子相似度計算技術(shù)[A];內(nèi)容計算的研究與應(yīng)用前沿——第九屆全國計算語言學(xué)學(xué)術(shù)會議論文集[C];2007年

9 關(guān)毅;王曉龍;王強;;論系統(tǒng)相似的度量[A];全國第八屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議（JSCL-2005）論文集[C];2005年

10 林民;宋柔;;基于結(jié)構(gòu)描述的漢字字形相似度計算[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

相關(guān)重要報紙文章 前1條

1 海量智能計算技術(shù)研究中心 霍剛;新興技術(shù)為互聯(lián)網(wǎng)加速[N];計算機世界;2007年

相關(guān)博士學(xué)位論文 前4條

1 馮曉文;基于GPU的相似度計算關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2014年

2 王秀紅;文本相似度計算核函數(shù)的構(gòu)造及其在分布式信息檢索中的應(yīng)用研究[D];江蘇大學(xué);2012年

3 劉磊;概念內(nèi)涵屬性計算研究[D];上海交通大學(xué);2011年

4 任磊;推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張福華;本體自動生成中詞匯相似度計算的研究[D];大連海事大學(xué);2008年

2 薛慧芳;句子相似度計算理論及應(yīng)用研究[D];西北大學(xué);2011年

3 李國佳;漢語全文相似度計算的研究及應(yīng)用[D];電子科技大學(xué);2011年

4 張玉娟;基于《知網(wǎng)》的句子相似度計算的研究[D];中國地質(zhì)大學(xué)（北京）;2006年

5 孫鴻偉;基于相似度計算的編程題自動評判方法研究[D];哈爾濱工程大學(xué);2011年

6 郭勇;基于《知網(wǎng)》的詞語相似度計算研究及應(yīng)用[D];湖南大學(xué);2012年

7 王石穎;基于情景框架和依存樹的突發(fā)事件相似度計算[D];大連理工大學(xué);2013年

8 劉俊;基于依存關(guān)系的漢語復(fù)句內(nèi)分句的相似度計算[D];華中師范大學(xué);2014年

9 張猛;基于話題的事件相似度計算[D];河北大學(xué);2014年

10 唐琦;基于語義分析的句子相似度計算研究[D];華北電力大學(xué)（北京）;2009年

，

本文編號：1633283