基于贝叶斯方法的Web服务分类的研究

随着互联网的发展，当前出现的Web标准如WSDL，SOAP，UDDI，DAML-S，使得Internet成为一个异构的、具有互操作性的Web服务的海洋，从而使应用程序的开发过程简化为发现Web服务和集成Web服务的过程。 Web服务是基于XML的可被远程调用的网络组件，自动调用和集成Web服务的关键在于将机器可理解的语义元数据与Web服务关联起来。因为Web服务的描述缺乏足够的语义信息，Web服务发现具有不确定性，为了能够根据用户提供的信息更加准确地描述并执行Web服务，必须考虑更加丰富的语义和上下文信息。贝叶斯技术和贝叶斯网络是从传统的统计学中分离出来的，对不确定性问题进行处理的一个有力工具，它以完善的贝叶斯理论为基础，有较强的模型表示、学习和推理能力。本论文就是探索采用贝叶斯方法对Web服务自动生成语义元数据，来对Web服务进行分类以提高Web服务检索的效率。 本论文中基于贝叶斯技术的Web服务分类算法的主要思想是通过引入贝叶斯潜在语义模型，首先将含有潜在类别主题变量的WSDL文档分配到相应的类主题中；接着利用朴素贝叶斯模型，结合前一阶段的知识，完成对未含类主题变量的文档作标注。本算法不需要对大量训练样本的类别标注，只需提供相应的类主题变量，从而提高了WSDL文档分类的自动性和效率。实验结果表明，本算法具有较高的分类正确率。