文献类型：会议

作　　者：黄兴 刘小青 曹步清 唐明董 刘建勋

作者单位：密苏里科技大学计算机科学系,美国罗拉65401 湖南科技大学计算机科学与工程学院&知识处理与网络化制造湖南省普通高校重点实验室,湖南湘潭411201

会议文献：第五届中国计算机学会服务计算学术会议论文集

会议名称：第五届中国计算机学会服务计算学术会议

会议日期：20140927

会议地点：天津

主办单位：中国计算机学会

出版日期：20140927

语　　种：中文

摘　　要：从海量的Mashup服务集中快速、准确的找到满足用户需求的Mashup服务,成为一个具有挑战性的问题.在Mashup服务发现中,预先对Mashup服务进行聚类,将大大缩小服务搜索的空间与范围,提高Mashup服务发现的效率与精度. 本文提出一种新颖的融合K-Means与Agnes的Mashup服务聚类方法(MSCA).首先对Mashup服务中的Tag标签进行扩充和排序;其次,计算Mashup服务的集成相似性;接着,应用K-Means算法对Mashup服务相似度矩阵进行聚类,找到相似度较高的Mashup服务将其划分到N个原子簇中,再利用Agnes算法对N个原子簇进行层次聚类.最后,从ProgrammableWeb上爬取了13082个Mashup服务作为实验对象,实验结果表明:相比传统的基于K-Means算法的Mashup服务聚类方法,MSCA方法的平均查准率和查全率分别提高了5.18％、5.84％,切实提高了服务聚类及发现的精度.

关 键 词：网络服务 服务聚类 发现精度  硬聚类算法  Agnes算法  

分 类 号：TP393.0]