基于Kernel方法和WordNet的Web服務(wù)發(fā)現(xiàn)技術(shù)研究.pdf

1、隨著多年來Web 服務(wù)技術(shù)的快速發(fā)展，對于Web 服務(wù)的發(fā)現(xiàn)技術(shù)逐漸提出了新的要求同時也成為了該領(lǐng)域研究的熱點，特別是基于語義的Web 服務(wù)智能化發(fā)現(xiàn)技術(shù)更激發(fā)了研究者們的興趣。將語義Web 技術(shù)引入Web 服務(wù)領(lǐng)域，使得Web 服務(wù)的描述具有了語義信息，相比傳統(tǒng)的UDDI 等發(fā)現(xiàn)技術(shù)提高了發(fā)現(xiàn)算法的精度。但是由于本體的加入，一方面對于每個領(lǐng)域都需建立自身的本體且匹配的雙方都需使用相同本體，從而增加了整個發(fā)現(xiàn)機制的復(fù)雜性，影響了發(fā)現(xiàn)算法

2、的效率；另一方面對于，現(xiàn)有的基于語義的匹配方法對于用戶的請求信息提出了過高的要求，給用戶的使用造成了一定障礙。針對以上兩方面的問題，本文提出一種基于Kernel 方法和WordNet的Web 服務(wù)發(fā)現(xiàn)機制，該機制分為以下兩個部分進行：
　　 第一部分介紹了一種基于Kernel 方法和WordNet的Web 服務(wù)分類機制。隨著服務(wù)數(shù)量的增多，我們認(rèn)為對于服務(wù)的發(fā)現(xiàn)過程首先應(yīng)該對注冊中心的服務(wù)集進行分類生成各個數(shù)量較小的服務(wù)類集，從

3、而提高之后匹配算法的精度。本文參考了文本檢索方面的技術(shù)，首先對服務(wù)的WSDL 文檔進行解析抽取生成代表服務(wù)的特征向量，接著利用WordNet的概念上/下位關(guān)系對特征向量進行降維。最后，對處理過的特征向量集進行向量間的相似度計算，在這里，本文提出了一種基于Kernel 方法的計算向量相似度函數(shù)代替?zhèn)鹘y(tǒng)的Cosine 函數(shù)，從而提高了最終分類結(jié)果的精度。
　　 第二部分介紹了一種基于WordNet 概念樹的Web 服務(wù)匹配方法。本文

4、利用了Princeton大學(xué)的語義詞典WordNet 概念樹作為本體庫，首先，設(shè)計了一種更適合于用戶實際使用的Query Information，接著，參考第一部分中的方法對服務(wù)進行基于所屬類的特征向量生成，最后，利用Nuno Seco 等提出的基于WordNet 概念樹的語義相似性計算公式，提出了建立在query和advVector 之間的匹配算法。
　　 最后，通過兩個實驗對以上兩個部分進行驗證。第一個服務(wù)分類實驗的測試表明