[发明专利]Web服务资源库数据的清洗方法和服务器

权利要求书

1.一种Web服务资源库数据的清洗方法，其特征在于，包括：

服务器获取Web服务资源库中多个Web服务的描述语言WSDL文件；

所述服务器对所述多个Web服务的WSDL文件进行分类，以得到多个不同类别的Web服务集合；

针对于每个所述Web服务集合中的各Web服务，所述服务器计算每两个所述Web服务对应的WSDL文件间的编辑距离，并在所述编辑距离小于预设阈值的WSDL文件对应的两个Web服务之间确定连通关系；

所述服务器根据每个所述Web服务集合中各Web服务之间的所述连通关系构建各所述Web服务集合对应的连通组图，所述连通组图包括至少一个连通子图；

所述服务器将每个所述连通子图中度最大的一个Web服务作为第一Web服务，并删除所述连通子图中除所述第一Web服务外的其他Web服务。

2.根据权利要求1所述的方法，其特征在于，所述服务器对所述多个Web服务的WSDL文件进行分类，以得到多个不同类别的Web服务集合，包括：

所述服务器提取所述多个Web服务的WSDL文件中的关键信息，所述关键信息包括该Web服务的名称信息、操作信息和消息信息；

所述服务器对所述WSDL文件中的关键信息进行分词处理，并生成每个所述WSDL文件对应的特征向量，所述特征向量中的特征项对应于所述分词处理后生成的每个关键词在所属的所述关键信息中出现的次数；

所述服务器将所述多个Web服务的对应WSDL文件对应的所述特征向量进行聚类运算，以得到多个不同类别的Web服务集合。

3.根据权利要求1或2所述的方法，其特征在于，所述针对于每个所述Web服务集合中的各Web服务，所述服务器计算每两个所述Web服务对应的WSDL文件间的编辑距离，包括：

所述服务器根据每个Web服务的所述WSDL文件中包含的元素，以及所述元素之间的关系，构建所述WSDL文件对应的元素标签树，所述元素标签树的每个节点包括对应的所述元素的文本描述信息；

所述服务器将每个所述元素的文本描述信息进行分词处理，生成每个节点对应的实词集合；

针对于每个所述Web服务集合中的每两个所述Web服务的WSDL文件，所述服务器将其对应的两个元素标签树中各相同层的节点进行比较，若存在相同层的节点数目不同，则在节点个数较少的元素标签树的相应层的位置上添加空节点，以使所述两个元素标签树中各相同层的节点的数目相同；

针对于每个所述Web服务集合中的每两个所述Web服务的WSDL文件，所述服务器计算每两个所述Web服务添加空节点后对应的两个元素标签树中各相同层的节点中每两个节点对应的所述实词集合间的语义距离；

针对于每个所述Web服务集合中的Web服务的WSDL文件，所述服务器采用二分图最佳权匹配KM算法，计算每两个所述Web服务添加空节点后对应的两个元素标签树中各相同层的节点的所有映射关系下的实词集合间的语义距离和值中的最小值，并将该最小值除以该相同层的节点个数得到的商确定为所述两个Web服务对应的两个元素标签树中对应的相同层节点间的第一编辑距离；

根据L=Snx+Σi=1,...,nSix(1-x)(n-i)]]>

确定每两个所述Web服务的WSDL文件的编辑距离L；其中，所述n为每两个所述Web服务对应的两个元素标签树中节点的层数，所述S_i为所述服务器根据每两个所述Web服务对应的两个元素标签树中对应的第i层节点间的所述第一编辑距离，所述x为所述S_i对应的权重因子，其为小于1的正数。