[发明专利]一种基于需求语义的服务聚类方法

说明书

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。

技术领域

本发明涉及服务计算领域，尤其涉及一种基于需求语义的服务聚类方法。

背景技术

面向服务的架构(Service Oriented Architecture,SOA)是一种粗粒度、松耦合服务体系结构，用于指导面向服务的软件系统设计，已成为软件领域热门的研究话题之一。随着面向服务的架构技术和软件即服务(Software as a Service,SaaS)的发展，互联网上的Web服务数量一直保持快速增长的趋势，Web服务的种类也日益丰富，从传统的基于简单对象访问协议(Simple Object Access Protocol,SOAP)的Web服务到目前流行的遵循表达性状态迁移(representational state transfer,REST)协议的轻量级REST风格的Web服务，Web服务已经成为互联网上一种重要的计算资源和软件资产，为企业和个人用户带来了巨大的便利。但是随着服务数量的剧增以及类型的多样化，使得如何准确、高效地发现满足用户需求的服务成为面向服务计算(Service Oriented Computing,SOC)领域的难题。

传统的基于UDDI(Universal Description,Discovery and Integration)的服务注册与发现机制仅支持对服务语法层面的操作，在服务发现阶段仅支持基于关键字的服务匹配，在服务数量剧增的情况下往往无法满足用户要求。为此，如何提高Web服务发现效率吸引了国内外研究者的关注。

服务聚类是一种有效提高服务发现的技术。通常将服务聚类作为其他复杂服务匹配算法的预处理算法：首先，将功能相似的服务聚合到一起；然后，将用户请求直接定位到特定的服务分类，降低服务的搜索空间，提高服务发现效率。研究表明，基于功能性相似性进行服务聚类可以提高Web服务检索效率。目前，基于功能相似性的服务聚类已有大量研究。例如，从WSDL(Web Service Description Language)文档中抽取出体现服务功能的关键特征，然后基于这些特征将服务聚类为功能相似的类簇；利用向量空间模型对服务源文件中的描述性文本进行表示和处理，然后利用多重混合聚类算法MHC进行服务聚类。但是现有的服务聚类方法仍存在如下两点不足：

1)聚类的服务文档类型有局限性。现有的多数聚类方法只针对WSDL文档或OWL-S(Semantic Markup for Web Service)文档等单一类型的服务描述文档，而对通过自然语言描述的REST风格等服务关注较少。

2)较少从需求功能语义角度考虑服务特性。现有的服务聚类方法大多对服务文档进行降维处理，利用空间向量模型等方法对文档进行表示和处理。而从服务需求功能语义角度出发进行聚类的研究较少。

因此，如何针对已有服务聚类方法中存在的不足，进行高效、准确地服务聚类成为一个具有挑战性的关键问题。

发明内容

针对上述现有技术的不足，本发明的目的是提供一种基于需求语义的服务聚类方法，该方法从需求语义角度出发，利用服务描述文本，采用自然语言处理技术提取服务功能信息集，然后基于服务功能信息集，进行服务相似度计算，最后通过K-means算法实现服务聚类，得到在需求语义上更加相似的服务聚类结果。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于需求语义的服务聚类方法，该方法包括以下步骤：