文献类型：期刊文章

作　　者：黄兴[1] 刘小青[2] 曹步清[1] 唐明董[1] 刘建勋[1]

机构地区：[1]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 [2]密苏里科技大学计算机科学系,美国罗拉65401

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(61402168;61402167;61272063)资助;软件工程国家重点实验室开放基金项目(SKLSE2014-10-10)资助

年　　份：2015

卷　　号：36

期　　号：11

起止页码：2492-2497

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：如何从海量的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M ashup服务发现中,预先对M ashup服务进行聚类,将大大缩小服务搜索的空间与范围,提高M ashup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).该方法,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Programmable Web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：K-MEANS Agens  Mashup服务  服务聚类 服务发现  

分 类 号：TP393]