[发明专利]支持向量检索的Web服务管理方法

权利要求书

1.一种支持向量检索的Web服务管理方法，其特征在于，所述方法包括如下步骤：

步骤S1、采用词频TF/逆向文件频率IDF方法，对Web服务相应描述信息进行向量化；

步骤S2、产生方法向量聚类背景步骤；一个方法向量聚类背景是个三元组和是两个有限集，分别表示服务方法集及索引方法向量集；表示服务方法集与索引方法向量集之间的关系；对于每个这里且表示中的每个方法p_j可以通过方法向量进行索引；

步骤S3、产生k-维方法向量步骤；包括：步骤S31、找到所有1-维方法向量概念；步骤S32、产生k-维方法向量概念；

步骤S4、生成向量服务格步骤；设是方法向量聚类背景中，通过向量服务格的连接操作导出的k-维方法向量概念，则完备格称为向量服务格；

设是一个方法向量聚类背景，对每个向量服务格的连接操作方法表示如下：

2.根据权利要求1所述的支持向量检索的Web服务管理方法，其特征在于：

所述步骤S4包括：

步骤S41：扫描一遍产生侯选1-维方法向量概念集CVC₁；

设是一个方法向量聚类背景，是一个方法向量集；把称为的域，记为称为的闭包，记为中的所有分向量均取中出现的最小值；若且时，则称为关于域的方法向量聚类背景下的一个服务方法向量概念VC，简称为方法向量概念；如果向量中有k项分量，则称为方法向量聚类背景下的一个k-维服务方法向量概念k-VC，简称为k-维方法向量概念；

只有当一个方法向量等于一组方法向量概念集的闭包时，才是一个方法向量；因此，通过先求取每个候选1-维方法向量的域，然后通过域来求取闭包，并判断该闭包是否在1-维方法向量集中概念已存在，如果没有就加入；有了1-维方法向量概念后，算法分两步来完成k+1-维方法向量概念的产生；

步骤S42：产生侯选k+1-维方法向量概念集CVV_k+1；

判断一个侯选k+1-方法向量概念是否为k+1-方法向量概念；最后返回-维方法向量概念；这里，表示中含有的词相数目。

3.根据权利要求1所述的支持向量检索的Web服务管理方法，其特征在于：

所述方法进一步包括步骤S5：Web服务检索步骤；包括：

步骤S51、计算服务方法向量与查询向量的相似度，确定大于预先给定的判断查询结果的阈值的方法，并将其保留；

步骤S52、计算保留下来的所有方法向量概念与查询向量的相似度，如果相似度大于阈值，则对于方法向量概念域中的每个方法，计算方法向量与查询向量的相似度；如果大于阈值，则将该方法向量加入到结果集，否则将其加入到非结果集中；处理完所有的方法向量概念，进入步骤S53；

步骤S53、对于没访问过的方法向量，即既不在结果集中，又不在非结果集中，则重复步骤S52，直到处理完所有的方法向量。

4.根据权利要求1所述的支持向量检索的Web服务管理方法，其特征在于：

为减小计算规模，在实现Web服务管理中，基于k-维权重词项集的方法从Web服务方法的信息源中选取特征词项，避免那些信息量少的词项进入特征词项集。

5.根据权利要求1所述的支持向量检索的Web服务管理方法，其特征在于：

为减小计算规模，在实现Web服务管理中，如果某个k-维方法向量中存在某个子向量不是方法向量概念，那么该方法向量就不是侯选方法向量概念；利用这一特征，有效地减少产生候选方法向量的搜索空间。

6.一种支持向量检索的Web服务管理方法，其特征在于，所述方法包括如下步骤：

步骤S1、采用词频TF/逆向文件频率IDF方法，对Web服务相应描述信息进行向量化；

步骤S2、产生方法聚类背景；

步骤S3、产生k-维方法向量；包括：步骤S31、找到所有1-维方法向量概念；步骤S32、产生k-维方法向量概念；

步骤S4、生成向量服务格。