一种基于需求语义的服务聚类方法

摘要

本发明公开了一种基于需求语义的服务聚类方法，包括以下步骤：获取服务描述文档，对文档文本进行分句处理；以句子为单位使用Stanford Parser进行语法解析，获得SD集合；依据SD集合分析获得基本服务功能信息集；对基本服务功能信息集进行语义扩展；去除基本服务功能信息集中无实际语义信息，进行词性还原生成服务功能信息集；利用服务功能信息集计算服务间相似度值；设定k值以及服务间相似度作为输入，使用K-means算法进行服务聚类。本发明从服务需求语义角度出发，采用自然语言处理的方法提取服务功能信息集进行服务聚类，突破服务文档类型限制，更为准确地为按需服务发现提供技术支持。

主权项

一种基于需求语义的服务聚类方法，其特征在于，包括以下步骤：(1)获取服务描述文档，对文档文本进行分句处理；(2)以句子为单位使用Stanford Parser进行语法解析，获得SD(Stanford Dependencies)集合；(3)基于步骤(2)获得的SD集合进行分析并提取出表示服务需求功能语义的服务功能信息集；(4)基于步骤(3)获得的服务功能信息集，计算服务间的两两相似度。服务间的相似度计算公式为：$S_s(s_1,s_2)=\frac{{\Sigma }_{i=0}^m{S}_f(f_{i1},f_{i2})}{n}$其中，S_s(s₁,s₂)表示服务s₁和s₂的相似度；服务s₁与s₂包含的功能信息数并不相同，其中m是服务s₁，s₂功能信息集中包含功能信息数较少的功能信息数，n是功能信息集中包含功能信息数较多的功能信息数。S_f(f_i1,f_i2)表示服务s₁中第i个功能信息与服务s₂中第i个功能信息的相似度，计算公式如下：$S_f(f_1,f_2)=t_1\times S_w(V_1,V_2)+t_2\frac{{\Sigma }_{i=1}^m{S}_w(N_{i1},N_{i2})}{n}$其中，V₁，V₂分别表示服务功能信息f₁，f₂中的动词，N_i1，N_i2分别表示服务功能信息f₁，f₂中的名词，t₁，t₂对应动词部分和名词部分的权重，S_w(N_i1,N_i2)表示两个单词的相似度，其计算公式如下：$S_w(w_1,w_2)=\frac{2\times I\left(F\right(w_1)\cap F\left(w_2\right))}{I\left(F\right(w_1))+I\left(F\right(w_2))}$其中，F(w)表示单词w的特征集，I(S)表示特征集S包含的信息数。(5)基于步骤(4)得到的服务间相似度，使用K‑means算法对服务进行聚类，k值为人为设定，将服务相似度值作为K‑means算法中的距离值。最后输出k个服务簇类。