面向领域的Web服务文档质量评价方法

摘要

本发明涉及Web服务技术领域，为提供一种对不同领域的Web服务的文档质量的评价方法，能够实现对于新的Web服务，预测其所属领域、包含的语义及其文档质量，从而减少专家评价Web服务文档质量的负担，提高服务发现效率，本发明采取的技术方案是，面向领域的Web服务文档质量评价方法，包括如下步骤：1)解析语义Web服务；2)将Web服务的数据随机分为10等分；3)建立决策树1、2、3；4)计算出性能度量；5)得到标注该服务的本体名称、标注该服务参数的本体概念；6)利返回该领域的性能度量值作为该Web服务文档质量的评价。本发明主要应用于Web服务技术。

主权项

一种面向领域的Web服务文档质量评价方法，其特征是，包括如下步骤：1)解析语义Web服务，获取Web服务语义属性：服务名称、服务接口名称、服务参数名称、服务参数类型、服务所属领域、标注该服务的本体名称、标注该服务的本体概念，所有Web服务的语义属性作为输入数据集；2)将Web服务的数据随机分为10等分，选择其中的9份作为训练数据，1份作为测试数据，进入步骤3)；3)对于训练数据，选定目标属性为Web服务所属领域,利用服务名称、服务接口名称、服务参数名称、服务参数类型、标注该服务的本体名称、标注该服务的本体概念6个Web服务的语义属性建立决策树1；4)对于训练数据，选定目标属性为标注该服务的本体名称,利用服务名称、服务接口名称、服务参数名称、服务参数类型、服务所属领域、标注该服务的本体概念6个Web服务的语义属性建立决策树2；5)对于训练数据，选定目标属性为标注该服务的本体概念,利用服务名称、服务接口名称、服务参数名称、服务参数类型、服务所属领域、标注该服务的本体名称6个Web服务的语义属性建立决策树3；6)利用建立的决策树1对测试数据预测其服务所属领域，并根据数据已有的领域信息，对不同领域的服务分别计算出如下性能度量：命中率tp‑rate,错误正例率fp‑rate,查准率precision,召回率recall,F测量F‑measure,接受者操作特征曲线面积ROC Area；7)选择另一份数据作为测试数据，重复步骤3)至步骤6)十次，直到每份数据轮流被测试，计算上述性能度量的平均值；8)对于一个新的不在数据集中的Web服务，解析并获取Web服务各个属性的集合，如果该服务是语义Web服务，则进入步骤10)；若不是语义Web服务，则进入步骤9)；9)将该Web服务的属性集合作为输入，分别利用决策树2和决策树3对该Web服务进行预测，从而得到标注该服务的本体名称、标注该服务参数的本体概念，进入步骤11)；10)将Web服务的语义属性集合作为输入，进行步骤4)和步骤5)的处理之后，进入步骤11)；11)利用决策树1预测该Web服务的所属领域，并返回该领域的性能度量值作为该Web服务文档质量的评价，从而达到预测该服务文档质量的目的；步骤3)具体过程如下：3.1创建根节点N；3.2若当前训练数据集S属于同一个领域D_i，则返回N为叶节点，标记为所属领域D_i；3.3若候选属性集合T为空，或者S中所剩的样本数少于给定值Y，则返回N为叶节点，标记N为S中出现最多的领域；3.4对于每个集合T中的属性，计算信息增益率；3.5选定N的测试属性等于T中具有最高信息增益率的属性；3.6对于每一个节点N添加一个新的叶子节点，执行步骤3.7；3.7若给叶子节点对应的训练数据集S′为空，则分裂此叶子节点生成新叶节点，将其标记为S中出现最多的服务领域，进入步骤3.8；否则，选择当前训练数据集为S′，该叶子节点为N，转至步骤3.2，继续对其进行分裂；3.8计算每个节点的分类错误，进行剪枝；步骤3.4需要计算每个属性的信息增益比，对于某个属性X_i，其信息增益率是通过如下公式进行计算：首先计算对于一个给定的Web服务集合所需的期望信息，由公式(1)给出：$I(n_1,......,n_m)={\Sigma }_{i=1}^m{p}_i{\log }_2\left(p_i\right)---\left(1\right)$其中，n_i是服务数据属于领域D_i的个数，p_i是任意的服务数据属于领域D_i的概率，取的值，S是s个测试服务的数据集合，服务所属领域D具有m个不同的值；接下来计算属性X_i划分成子集的熵，由公式(2)给出：$E\left(X_i\right)={\Sigma }_{i=1}^v\frac{s_{ij+...+s_{mj}}}{s}I(s_{ij},......,s_{mj})---\left(2\right)$其中，设v是X_i的属性个数，则X_i对应的数据集分为v个子集s₁,……,s_v，s_i是在S中属性X_i具有值a_i时的数据集合，若X_i选作测试属性，则这些子集对应于由包含集合S的结点生成出来的分支，s_ij是s_i中属于领域D_i的服务数据个数，熵值越小，子集划分的纯度越高；由此，计算出X_i在分支获得的信息增益，有公式(3)给出：Gain(X_i)＝I(s₁,……,s_m)–E(X_i)           (3)分裂信息的计算公式见公式(4):$SplitInfo(S,X_i)=-{\Sigma }_{i=1}^c\frac{\left|S_i\right|}{\left|S\right|}{\mathrm{Log}}_2\frac{S_i}{S}---\left(4\right)$其中，S₁到S_c是c个不同值的属性X_i分割S而形成的c个样本子集；这样，在属性X_i上所得到的信息增益比为：$GainRatio(S,X_i)=\frac{Gain(S,X_i)}{SplitInfo(S,X_i)}---\left(5\right)$由上述过程也可以得到步骤4)和步骤5)的具体过程。