典型文献
基于聚类和高斯LDA的服务发现方法
文献摘要：
服务发现研究面临两个主要问题:(1)Web服务数量大量增长,服务管理和匹配难度大;(2)API市场中用户常用的基于搜索引擎的服务发现,存在用户查询语义稀疏问题.针对这两个挑战,提出了一种基于聚类和高斯LDA的服务发现方法.该方法首先使用Doc2Vec将服务数据集映射为服务段落向量,接着用K-Means++聚类方法对服务向量聚类.然后,使用Word2Vec生成的上下文信息来扩展用户查询和丰富服务描述,然后将服务描述加载到高斯LDA中获取服务描述表示.最后,按照服务描述表示和扩展的服务查询之间的概率相关性对服务进行排序.实验结果表明,该服务发现模型在Precision@5,Recall@50,F-Measure@50实验结果优于TFIDF-K,LDA,Doc2Vec-K、GLDA-QE方法,提高了查询服务搜索的准确性.
文献关键词：
服务发现;聚类;语义稀疏;高斯LDA;词嵌入
中图分类号：
作者姓名：
唐菊;聂彤羽
作者机构：
四川仪表工业学校,重庆400702;重庆大学大数据与软件学院,重庆400044
文献出处：
引用格式：
[1]唐菊;聂彤羽-.基于聚类和高斯LDA的服务发现方法)[J].自动化与仪器仪表,2022(12):36-43,50
A类：
B类：
服务发现,服务管理,API,搜索引擎,语义稀疏,Doc2Vec,服务数据,段落,Means++,聚类方法,Word2Vec,上下文信息,载到,率相关性,该服,Precision,Recall,Measure,TFIDF,GLDA,QE,词嵌入
AB值：
0.408058
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
