基于服務關聯(lián)的服務推薦和發(fā)現(xiàn)方法研究.pdf

1、面向服務的計算(Service Oriented Computing，簡稱SOC)是當前軟件領域備受關注的熱門主題之一。SOC倡導以標準的方式支持系統(tǒng)的開放性，它所提供的服務協(xié)同和管理改善了軟件產品復雜的業(yè)務系統(tǒng)，提高了軟件系統(tǒng)的生產效率。面向服務的架構(Service Oriented Architecture，SOA)使得分布式應用具有更好的靈活性和復用能力。SOA的主流實現(xiàn)方式是Web服務技術，隨著面向服務架構技術的大量應用，當前

2、Web服務的數(shù)量正在以超線性的速度增長。面對快速膨脹的Web服務資源，用戶如何才能方便、準確的從大量的服務資源中找到自己需要的服務成為了當前工業(yè)界和學術界的一大挑戰(zhàn)。
　　Web服務推薦和發(fā)現(xiàn)技術的出現(xiàn)為服務發(fā)現(xiàn)和查找難問題的解決提供了一個方向。
　　現(xiàn)有的熱門推薦技術在電子商務行業(yè)的商品推薦中應用較為廣泛，但是由于Web服務的異構性和用戶需求的多樣性，傳統(tǒng)的推薦技術簡單地應用到Web服務推薦中往往推薦的準確度較低。因此，如

3、何把傳統(tǒng)推薦技術運用在Web服務推薦中，并提高推薦的準確度是當前相關研究的難點之一?，F(xiàn)有技術大多從Web服務本身所蘊含的描述信息及其用戶之間的相似度出發(fā)為用戶推薦服務。這種方法大多忽略了服務之間的內在關聯(lián)和兼容性，推薦過程沒有結合用戶自己的Web服務進行考慮，使得推薦的Web服務不能保證與用戶自己的Web服務組合使用，造成服務資源的浪費，未能很好地滿足SOC軟件重用的初衷。
　　服務的推薦技術可以在用戶的功能需求還不明確的情況下完

4、成推薦，而服務發(fā)現(xiàn)方法則為用戶找到特定功能的服務提供了便捷。目前由于Web服務的描述文檔缺乏語義信息，服務的發(fā)現(xiàn)在準確度和完備性上一直存在不足?；诒倔w論的Web服務發(fā)現(xiàn)研究還不成熟，而現(xiàn)有基于規(guī)則、聚類方法和文本向量空間模型的研究取得了較好的效果?；赪eb服務之間存在著相似度上的關聯(lián)，本文從Web服務聚類問題和文本向量空間模型的構建入手，對目前Web服務聚類效果差的問題進行研究，指出現(xiàn)有聚類方法和Web服務相似度計算方面的不足，并針

5、對性地提出新的解決方法。
　　本文的主要研究內容和創(chuàng)新點如下:
　　(1)針對服務推薦存在的問題，提出了基于關聯(lián)規(guī)則挖掘的Web服務推薦方法(Services Recommending Method Based on Association Rule Mining，簡稱RecARM)。RecARM利用Web服務組合的歷史記錄構建Web服務間的關聯(lián)規(guī)則，挖掘服務之間潛在的關聯(lián)關系，利用用戶自有的Web服務為用戶進行推薦，幫助完

6、善和優(yōu)化用戶的服務組合。實驗結果表明，改進后的服務推薦結果相較于常規(guī)的推薦方法在穩(wěn)定性和準確度上均有提高。該方法有效利用了Web服務所特有的歷史組合記錄的數(shù)據(jù)，為推薦提供了依據(jù)。
　　(2)針對服務的發(fā)現(xiàn)引入新的聚類算法，根據(jù)Web服務間的相似性關聯(lián)提出了一種基于聚類的Web服務發(fā)現(xiàn)方法。本文引入改進的ISODATA聚類算法，該方法有效解決了Web服務發(fā)現(xiàn)過程中聚類數(shù)量無法確定的問題，并降低了異常數(shù)據(jù)對推薦結果產生的干擾和影響。<