[发明专利]一种基于知识图谱表示学习的服务聚类方法

说明书

本发明公开了一种基于知识图谱表示学习的服务聚类方法，包括以下步骤：获取服务属性，包括服务的category、tag、description，使用自然语言工具对description进行处理，获得服务功能信息集；构建服务知识图谱，利用知识表示学习的TransH算法将服务知识图谱的实体嵌入到一个低维空间中，通过训练得到低维向量，计算出服务之间的相似值；使用Louvain算法对服务进行聚类，得到聚类结果。本发明从服务之间的关系通过知识图谱来描述的角度出发，采用知识表示算法将服务实体嵌入到低维空间进行距离计算，将知识图谱与服务计算领域相结合，突破了服务之间的语义关联问题，更为准确地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，尤其涉及一种基于知识图谱表示学习的服务聚类方法。

背景技术

面向服务的架构(SOA)是一个架构思想，根据项目服务完成架构搭建，以服务为基准点完成组件化和模块化。SOA的提出就是要将紧耦合的系统，划分为面向业务的，粗粒度，松耦合，无状态的服务。服务发布出来供其他服务调用，一组互相依赖的服务就构成了SOA架构下的系统。现如今，随着internet技术、服务计算(SOC)、大数据等技术的快速发展，以及需求的不断变化，Web服务数量呈爆发式增长。目前，已进入Web服务的大数据时代，Web服务的类型丰富，无论是基于简单对象访问协议(SOAP)的传统服务，还是目前较流行的RESTful风格的服务，Web服务都为个人用户和企业带来了巨大的便利，同时，服务之间的竞争合作，又带动了整个社会的创新。但随着Web服务的数量、种类与规模的不断增长，各平台中具有相似属性描述但功能差异的Web服务不计其数，往往给用户造成了选择障碍。如何高效、准确地发现满足用户需求成为了SOC研究领域一直经久不衰的研究热点。目前，基于传统关键字匹配方法、基于情境的服务发现方法、基于Web语义的服务发现方法，在服务数量剧增的今天，不能很好的满足用户需求。为此，如何提升Web服务发现效率和准确性，更好的满足用户需求，节省用户的搜索时间引起了国内外研究学者的兴趣。

知识图谱本质上是一个以图结构为基础，揭示实体之间关系的大型语义网络。其目的是为了提升搜索引擎返回的答案质量和用户的查询效率。知识图谱的数据存储通常是以实体—关系—属性这种三元组的形式存储信息，三元组可以更好的描述出实体与实体之间的关系，并且将知识以图的形式呈现：每一个结点代表真实世界中的某一实体，而不同的边表示每个结点中的不同关系，从而实现知识描述的作用。知识图谱的概念一经提出就引起业内广泛的关注，它的应用场景非常广，主要在语义数据集成、语义搜索、智能问答、数据分析、智能推荐领域占据重要的地位。

服务聚类在服务发现、服务推荐领域中，是一门关键技术，通过聚类相似服务，可以在极大程度上减少服务搜索的次数，同时缩小了搜索的服务范围，提高服务发现的效率。目前已经有很多学者研究这方面工作，例如从WSDL文档上挖掘文本特征，运用特征工程的相关技术，选取出能够体现服务功能的特征，将其转化为向量，通过相似度计算公式，计算服务之间的相似度，并聚类成簇。又如采用自底向上的聚类算法，将功能相似度的服务聚集到一起。但是现有工作仍存在以下两点不足：

1)基于内容的服务聚类对承载内容的描述文档有一定要求，并且一般方法仅针对单一类型的文档起作用，并不能对多种类型的文档作用。

2)较少考虑大规模的语义网络，现实世界中服务并非独立存在，它们之间通常具有某种关联关系并以某种方式相互影响(如共享标签的关系等)，这些服务间的语义关系鲜有被充分利用到。

因此，针对现有的服务聚类方法中存在的不足，如何利用机器学习，自然语言处理的技术，让大规模的语义网构建成为可能，从实用性的角度出发，更高效、准确的服务聚类成为了一个具有挑战性的问题。

发明内容

本发明针对现有技术的不足，提供一种基于知识图谱表示学习的服务聚类方法。

本发明的目的是通过以下技术方案来实现的：一种基于知识图谱表示学习的服务聚类方法，包括以下步骤：