基于核Batch SOM聚类优化的语义Web服务发现机制研究

• 作者: 张迎周 杨庚 陈燕俐 陈蕾
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: Web服务发现 自组织映射神经网络 WordNet 隐含语义索引 相似性度量
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 论文
• 页码范围: 1307-1313
• 分类号: TP393
• 字数: 6431字
• 语种: 中文
• DOI: 10.3724/SP.J.1146.2010.01120

摘要

如何快速、准确和高效地发现满足用户需求的Web服务已成为制约服务发展的瓶颈之一.该文针对现有Web服务发现机制中存在的效率低下和查准率不高的两个主要问题,提出了一个基于核Batch SOM神经网络聚类优化的语义Web服务发现框架.该框架分别在服务表示阶段引入WordNet和隐含语义索引技术对Web服务进行语义扩展和概念语义空间降维;在服务分类阶段利用核机学习理论改进一类适用于Web服务分类的核Batch SOM神经网络算法;在服务匹配阶段提出一种基于核余弦相似性测度的Web服务匹配算法.最后,真实Web服务数据集上的实验结果验证了所提出方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨庚	南京邮电大学计算机学院	210	2422	21.0	40.0
3	陈燕俐	南京邮电大学计算机学院	33	275	9.0	15.0
4	陈蕾	南京邮电大学计算机学院	36	185	8.0	12.0
6	张迎周	南京邮电大学计算机学院	27	142	7.0	10.0