基于语义相似度的Web服务分类算法研究

现有的Web服务分类语义信息获取方法大多基于预先定义的类别信息、或者基于人工指定服务社区的方式实现,其中专家知识具有一定的主观性、片面性和随意性。有效避免专家知识的主观性、片面性和随意性,本文以基于本身的描述信息为基础、以统计计算为基本手段、以机器学习中的分类算法为依据,提出了不同粒度的Web服务对象之间的语义相似度度量方法,采用已有的语义相似度度量的方法及K-NN分类算法的思想,并使用对K-NN算法进行改进后而得到的WS-KNN算法,对Web服务进行分类。本文提出和实现的服务分类方法能很好地避免已有的服务分类工作的各种不足,服务之间的语义相关性基于大量的历史数据学习而得到,有自动分类的效果,同时分类的方法简单可行、实现方便,可为服务社区的自动构建和服务的自动发现奠定一定的理论和工程化基础。