利用聚类优化语义Web服务发现

针对传统Web服务缺乏语义造成注册中心返回结果不精确的问题,提出了一种用OWL-S提供语义支持,并据语义相似度将Web服务聚类的解决方法。该方法应用OWL-S实现Web服务的语义描述,采用凝聚的层次聚类的Single-Link算法将相似Web服务聚类,快速定位并返回最合适的服务,提高了服务发现的精确性。     

基于BTM主题模型的Web服务聚类方法研究

针对网络中海量的Web服务聚类时,因其表征数据稀疏而导致使用传统建模方法所获效果不理想的问题,提出了一种基于BTM主题模型的Web服务聚类方法。该方法首先利用BTM学习整个Web服务描述文档集的隐含主题,通过推理得出每篇文档的主题分布,然后应用K Means算法对Web服务进行聚类。通过与LDA、TF IDF等方法进行对比发现,该方法在聚类纯度、熵和F Measure指标上均具有更好的效果。实验表明,该方法能够有效解决因Web服务描述所具有的短文本性质而导致的数据稀疏性问题,可显著提高服务聚类效果。     

基于UDDI的Web服务发现研究

基于UDDI的Web服务发现机制仅提供了基于语法层关键字的匹配方法,缺乏语义推理的支持.在相关研究的基础之上,提出了一个基于UDDI的Web服务注册/发现方法,使得服务提供者可以发布OWL-S语言描述的服务,并发布到UDDI注册中心.在传统UDDI注册中心之外新建一层Sem-UDDI注册中心,使用Sem-UDDI注册中心来存储服务的语义信息和服务相关的分类属性,并由服务匹配引擎计算服务属性之间的语义相似度,从而支持基于语义的推理查询,增强了UDDI的语义Web服务发现的能力.     

基于UDDI的语义Web信用评估服务研究

UDDI服务注册机的服务发现提供了简单的基于关键字的搜索方法,但缺乏对语义推理的支持。论文在对UD鄄DI服务发现基本模型的研究基础上加入了语义推理,并运用到电子商务信用评估服务发现中。提出了基于UDDI的语义Web信用评估服务系统的结构,着重介绍了基于本体论的电子商务信用评估元模型,并利用信用评估元模型构造信用服务原子模型。     

语义Web服务发现技术

传统的Web服务发现技术大多采用基于关键字的服务匹配机制,缺乏对Web服务功能的语义性描述,影响了Web服务的查全率、查准率和查找的智能化.研究基于语义的Web服务匹配方法,在经典Web服务匹配算法的基础上进行改进,研究单概念语义Web服务匹配算法,并由此得出多概念语义Web服务匹配的最优顺序,结合输入、输出参数,最终得出语义Web服务匹配结果,实验结果表明,改进后的方法比BGM算法匹配度高.     

Web服务搜索引擎的WSRank方法研究

Web服务检索的困难阻碍了其应用和发展的速度。在实现了一个Web服务搜索引擎WSSE后,服务的排序成为需要解决的问题。通过Web服务爬虫的爬行特点分析Web服务的分布结构和相互关系,借鉴著名的网页排序算法PageRank及其改进算法的研究成果,创新地提出WSRank算法。迭代计算各服务的排序值,按值进行非递增排序。实验表明,本算法能提高Web服务检索的准确性。     

基于Topic Maps的语义Web服务组合引擎研究

针对Web服务组合流程控制、服务组合吞吐率等问题,提出一种基于主题图的语义Web服务组合引擎方法,通过基于本体的语义Web服务描述,并将Web服务与主题图进行抽象,用一种服务主题去表示语义Web服务,以便使用主题图的特征,而主题图可方便地实现语义服务导航定位,使得Web服务所处状态可定,目标明确。因此该语义Web服务组合引擎是从UDDI注册(UDDIr)和查询能力(UDDIs),语法检测(GD)和语义识别(SI)能力,服务主题图的相似度(STS)、匹配度(STM)和适应度(STF),服务主题特征刻面分类能力(SFC),服务主题权限访问程度(STP),刻面深度判定(FDD),服务主题协同能力(STC)角度去建立;并通过数学方法进行定义。最后通过用Java编程实现实验模型表明,该方法可行且有效。     

语义Web服务发现的服务非功能描述扩展

传统的语法级Web服务能力描述不能解决描述的异构性问题,现有的语义级方法采用的Web服务描述十分有限,虽然可以实现功能土的匹配,但无从判断匹配的服务是否能够安全有效地使用。本文在分析现有相关研究的基础土提出语义Web服务发现中服务描述的非功能扩展,在保证较高的查;位率和查全率的基础上支持服务的质量、生存能力、行为约束的描述,并提出了相应的匹配算法,显著提升了服务匹配的质量,提高了匹配的灵活性、准确性。     

基于语义Web的搜索引擎研究

传统搜索引擎是基于关键字的检索,然而文档的关键字未必和文档有关,而相关的文档也未必显式地包含此关键字。基于语义Web的搜索引擎利用本体技术,可以很好地对关键字进行语义描述。当收到用户提交的搜索请求时,先在已经建立好的本体库的基础上对该请求进行概念推理,然后将推理结果提交给传统的搜索引擎,最终将搜索结果返回给用户。相对于传统的搜索引擎,基于语义Web的搜索引擎有效地提高了搜索的查全率和查准率。     

基于历史调用日志分析的Web服务间语义相关性发现

针对Web服务间语义相关性发现这一Web服务领域研究的关键问题,目前的方法不能较好地描述服务间语义相关的不确定性,进而不能有效地支持自动服务发现与组合.以Web服务描述中的操作作为服务组件,首先给出Web服务调用历史日志的定义,接着以统计计算为手段,基于PageRank算法给出服务组件权重的计算方法,进一步基于静电场理论给出Web服务组件间语义相关度的度量方法,为Web服务搜索、发现与组合奠定基础.实验结果表明,该方法具有高效性和实用性.     

本体匹配的网格服务发现模型研究

如何从大规模网格服务集合中快速而准确地发现满足用户请求的服务,是语义环境下网络应用的一个重要方面。针对传统的基于关键字匹配的Web服务发现方法无法准确描述网格服务服务能力和应用领域的问题,提出了一种基于输入和输出领域本体的语义网格服务描述模型和基于本体匹配的语义网格服务发现流程,构造了基于本体匹配语义相似度计算的语义网格服务发现算法。实验结果表明,基于本体匹配的语义网格发现方法能够获得很好的查全率和查准率。     

带有高效索引的语义Web服务I/O匹配优化方法

目前Web环境中蕴涵着大量的Web服务和Web服务请求,基于语义的Web服务匹配能够提高Web服务发现的准确性,但由于其复杂的语义计算,导致系统响应速度慢。首先,对语义Web服务过程进行了分析,确定大量的语义计算主要集中在输入/输出（I/O）匹配环节;然后,在研究现有I/O匹配算法和分析影响语义相似度的主要因素基础上,给出了一种带有高效索引的语义Web服务I/O匹配优化方法,包括：高效索引的建立和基于哈希二次探测再散列的启发式筛选机制的提出;最后,通过实例证明了该方法切实可行。该方法通过筛除无关Web服务,减少了语义计算量,提高了系统响应速度,进而带来了更好的用户体验。     

基于语义的Web服务体系结构

现有的基于XML的Web服务规范或标准没有提供足够的手段来描述Web服务,以支持发现、组合以及执行Web服务的一般机制。因此,分布的、异构的和动态变化的Web服务的交互会产生很多问题。为了更有效地适应Web服务的分布的、异构的、不断变化的特点,针对现有的SOA架构健壮性不强的问题,提出了基于语义的SOA。通过增加Web服务的语义描述,并以这种具有语义的描述来发布和发现Web服务。从而使这种架构不仅支持功能的匹配,而且还能支持实现最佳质量标准的匹配。     

融合主题与语言模型的蒙古文信息检索方法研究*

摘 要: 为了从日益丰富的蒙古文信息中快速准确地检索用户需求的主题信息,提出了一种融合主题模型LDA与语言模型的方法。该方法首先对蒙古文文本建立一元和二元语言模型,得到文本的语言概率分布;然后基于LDA建立主题模型,利用吉普斯抽样方法计算模型的参数,挖掘得到文档隐含的主题概率分布;最后,计算出文档主题分布与语言分布的线性组合概率分布,以此分布来计算文档主题与查询关键词之间的相似度,返回与查询关键词主题最相关的文档。语言模型充分利用蒙古文语法特征,而主题模型LDA又具有良好的潜在语义挖掘及主题发现的泛化学习能力,从而结合两种方法更好的实现蒙古文文档的主题语义检索,提高检索准确性。实验结果表明,融合LDA模型与语言模型的方法相比单一模型体现主题语义方面取得了较好的效果。     

基于统计主题模型的多粒度Web文档标注

针对已有Web文档语义标注技术在标注完整性方面的缺陷,将潜在狄里克雷分配(LDA)模型用于对Web文档添加语义标注。考虑到Web文档具有明显的领域特征,在传统的LDA模型中嵌入领域信息,提出Domain-enable LDA模型,提高了标注结果的完整性并避免了对词汇主题的强制分配;同时在文档隐含主题和文档所在领域本体概念间建立关联,利用本体概念表达的语义对隐含主题进行准确的解释,使文档的语义清晰化,为文档检索提供有效帮助。根据LDA模型可为每个词汇分配隐含主题的特征,提出多粒度语义标注的概念。在20news-group和WebKB数据集上的实验证明了Domain-enable LDA模型的有效性,并指出对文档进行多粒度标注有助于有效处理不同类型查询。